[发明专利]一种光伏电站功率预测方法

说明书

技术领域

本发明属于光伏电站发电量预测技术领域，具体涉及一种基于时间序列和相似日分类的MARS的光伏电站功率预测方法。

背景技术

截至2015年9月底，全国光伏发电装机容量达到3795万千瓦，其中，光伏电站3170万千瓦，分布式光伏625万千瓦。但是，光伏发电过程本身受多种环境及自身因素影响，并网后其强随机性和波动性可能造成电网的不稳定，由此导致了大量的“弃光”现象，这与我国倡导的抑制产能过剩的理念是不相匹配的。

电网友好型的电源侧是新能源电力系统的重要组成部分，如果光伏功率能得到比较准确的预测，那么对于电源侧其他稳定的电源，如火电机组，将更容易与其配合调整负荷，使得更多的光伏发电系统能够接入电网，更高效地利用清洁能源。

多元自适应回归样条(MARS)方法适用于非线性回归问题。对于高维度数据MARS方法能够有效寻找变量交互性和变量变形的最优形式，挖掘隐含在数据对背后的规律，对于具有同一规律的学习集以外的数据，经过训练的模型也能给出合适的输出。

发明内容

针对上述问题，本发明提出一种光伏电站功率预测方法，基于时间序列和天气类型分类的MARS模型，以提高短期超短期光伏功率预测精度。

本发明是通过以下技术方案实现的：

一种光伏电站功率预测方法，所述方法用于对目标光伏电站的未来时间段的发电功率进行预测，以获得该目标光伏电站在某一预测时间段的发电功率值；

所述预测方法包括以下步骤：

(1)收集所述预测时间段之前的若干已知时间段的目标光伏电站气象信息数据及发电功率数据，并结合所述已知时间段的天气类型，构建MARS模型；根据天气类型构建的MARS模型包括晴天MARS模型、多云MARS模型、阴天MARS模型、以及雨雪天MARS模型；

(2)基于所述预测时间段之前若干已知时间段的目标光伏电站气象信息数据，使用三次指数平滑时间序列得到所述预测时间段对应的预测气象信息数据；

(3)将所述预测时间段对应的目标光伏电站预测气象信息数据输入到该预测时间段对应的天气类型MARS模型中，得到该预测时间段的预测功率值。

进一步地，步骤(3)后还包括以下步骤：

(4)当获得所述预测时间段的实际气象信息数据后，将所述实际气象信息数据输入到该预测时间段对应的天气类型MARS模型中，在原有模型基础上再次训练MARS模型，以提高该天气类型MARS模型的预测精度；

(5)将所述预测时间段的实际气象信息数据输入到步骤(2)中所述三次指数平滑时间序列中，用于获得新的预测时间段对应的预测气象信息数据；

(6)将步骤(2)-(5)循环往复不断滚动预测，以获得不同预测时间段的预测功率值。

进一步地，所述气象信息数据包括所述太阳辐射数据和所述气象数据；

所述太阳辐射数据中的气象参数包括总辐照、直射辐照和散辐照，所述气象数据中的气象参数包括小时数、温度、湿度、露点温度、风速、风向、透光度和反射率。

进一步地，所述步骤(1)具体为：

S1：收集所述预测时间段之前的若干已知时间段的光伏电站的气象信息数据以及对应的发电功率实时数据，并记录所述已知时间段的天气类型，所述天气类型包括晴、多云、阴、雨雪四种；

S2：将收集到的所述气象信息数据以及所述对应的发电功率实时数据按照数据收集时间段对应的天气类型进行分类，分为晴天气象信息数据、多云气象信息数据、阴天气象信息数据以及雨雪天气象信息数据四种类型的气象信息数据；

S3：将S2分类后获得所述四种类型的气象信息数据逐变量剔除误差较大数据点后分别采用最大最小值法进行归一处理，获得归一化处理后的四种类型的气象信息数据；

S4：以所述气象信息数据作为MARS模型的输入变量，以发电功率作为MARS模型的输出变量，通过前向迭代过程训练成对地引入基函数，最终获得过度拟合的MARS模型；在后向过程中，通过交叉验证GCV准则计算各个基函数的重要程度：

其中，为残差平方和，N为输入气象信息数据的个数，y_i为实际发电功率为预测的发电功率；c(M)＝(M+1)+pM，c(M)是为了降低模型复杂性的罚函数，M为基函数个数，p为惩罚系数，p取值[2,3]。