[发明专利]一种基于预测气象数据的日分类双模型光伏发电组合预测法

说明书

本发明提供了一种基于预测气象数据的日分类双模型光伏发电组合预测法，包括K‑means聚类法，所述K‑means聚类法分类后的数据的预测效果会优于分类前，所以使用EDM‑SA‑DBN时序模型对这辐照度、温度天气因素进行预测，并且使用这两个预测的天气因素来对待预测时段进行归类，具体的归类方式是将预测的辐照度和温度值与以往数据集形成的聚类中心点的辐照度和温度值进行比较，并归类进入距离最近的聚类中心点所代表的类别中，然后对于光伏输出波动幅度大的类型使用小波分解‑ARIMA模型进行预测，对光伏输出功率波动幅度小的类型使用EDM‑SA‑DBN模型进行预测，最后将预测值按照原本的时间顺序排列即可得到最终的预测值，与真实值进行比较即可评估模型的预测效果。

技术领域

本发明主要涉及光伏发电输出预测的技术领域，具体为一种基于 预测气象数据的日分类双模型光伏发电组合预测法。

背景技术

一直以来，科学技术的飞速发展为人们带来许多便利的同时，也 在导致能源的不断消耗。一些科学家认为，能源问题可能成为本世纪 人类面临的最严重的问题。因此近年来，新能源尤其是太阳能的使用 得到了广泛的研究，太阳能资源丰富，各国都在迅速发展光伏发电的 相关技术，我国的光伏发电产业也在不断地发展，并且取得了令人瞩 目的成就。但是光伏发电系统的输出功率受到外界众多因素的影响， 如辐照度、温度等气象因素，还受到云的遮挡、雾霾等极端天气的影 响。同时，它也受各种内部因素的影响，例如光伏组件型号、质量以 及太阳能电池组件的倾斜角度等。研究表明，如果太阳能发电厂的装 机功率超过电网的15％，那么太阳能发电的波动就可能会使电网瘫痪。 因此，光伏电站投入使用后，大规模、高容量的并网安全保护问题将 是一个巨大的挑战，所以为光伏装置提供准确的短期预测就成为了将 光伏装置安全集成到现有电网中的关键因素。

发明内容

本发明主要提供了一种基于预测气象数据的日分类双模型光伏 发电组合预测法，用以解决上述背景技术中提出的技术问题。

本发明解决上述技术问题采用的技术方案为：

一种基于预测气象数据的日分类双模型光伏发电组合预测法，包 括K-means聚类算法，所述K-means聚类算法包括以下算法步骤：

步骤一：随机选取K个对象作为初始的聚类中心，即我们希望将 数据集经过聚类得到k个集合。x_i为第i个对象，u_i为第i个聚类中 心；

步骤二：计算每个对象与各个种子聚类中心之间的距离，把每个 对象分配给距离它最近的聚类中心，Cluster_i代表第i个对象所归属 的聚类中心；

Cluster_i：＝arg min||x_i-u_i||²

步骤三：聚类中心以及分配给它们的对象就代表一个聚类，每分 配一个样本，聚类的聚类中心会根据聚类中现有的对象被重新计算；

步骤四：不断重复以上步骤直到满足某个终止条件，终止条件可 以是没有(或最小数目)对象被重新分配给不同的聚类，没有(或最 小数目)聚类中心再发生变化，误差平方和局部最小。

进一步的，所述K-means聚类算法结合天气数据对进行分类，然 后对温度和辐照度进行预测，并且使用这两个预测的天气因素来对预 测时段进行归类；归类后对于不同日类型的数据选用不同的预测模型 进行训练预测，对于光伏输出功率波动较大的类型使用小波分解后选 择ARIMA模型进行预测；对于光伏输出功率波动幅度较小的类型使用 EMD分解后选择用SA优化后的DBN网络进行预测，以得到更加准确 的预测值。