[发明专利]一种基于历史数据挖掘的光伏功率纵向预测方法

摘要

本发明属于太阳能利用研究领域，特别涉及一种基于历史数据挖掘的光伏功率纵向预测方法，首先针对不同季节的历史光伏功率数据进行统计分析，得到相应季节下光伏功率的6个统计指标。利用欧式距离对上述统计指标进行聚类，得到不同季节不同天气情况下的相似日矩阵，通过一维正向云发生器形成相似日典型曲线及分布区间。利用马尔可夫链理论实现相应时刻未来24小时的光伏功率纵向预测，将该预测值与相似日典型曲线分布区间进行融合，形成新的预测值。最后将新的预测值与持续预测法得到的预测值通过一维逆向云发生器进行加权融合，实现基于历史数据相似云融合的光伏功率纵向预测，进一步提高光伏功率的预测精度。

主权项

一种基于历史数据挖掘的光伏功率纵向预测方法，其特征在于，包括：步骤1、采集光伏电站输出功率数据，选取上一年某季节下的D天历史光伏功率数据进行统计分析，得到相应季节下出力均值、标准差、变异系数、峰度、偏度和出力总和6个统计指标，并进行归一化处理；步骤2、利用欧式距离对D天历史光伏功率数据进行分类，形成n个不同的相似日矩阵c(m)，其中，1≤m≤n；步骤3、利用一维正向云发生器计算D天内相似日矩阵c(m)从早7点至晚7点光伏功率的云数字特征(Ex，En,He)形成相似日典型曲线及逐时云滴分布区间；其中，Ex‑期望，En‑熵，He‑超熵；步骤4、将预测日对应季节下的M天光伏功率数据进行状态划分，利用绝对分布的马尔可夫链理论计算转移频数矩阵和转移概率矩阵，选择对应t时刻转移概率矩阵计算初始状态分布和初始概率向量，求得预测时刻的概率分布，建立基于马尔科夫链的光伏功率纵向预测模型，得到预测值；其中，为某天t时刻所处状态i转移到达k天后t时刻所处状态j的状态转移概率矩阵；步骤5、读取天气预报信息确定待预测日的相似日典型曲线所属类别，根据步骤3得到的相似日典型曲线及逐时云滴分布区间对步骤4中得到的预测值进行融合，得到融合后的新预测值，与持续预测法得到的预测值通过一维逆向云发生器进行加权融合，实现基于历史数据相似云融合的光伏功率纵向预测，进而提高光伏功率预测精度；步骤6、将预测结果和实测值进行比较，计算预测误差。