一种基于时间序列相似性的短期光功率预测方法技术

本发明专利技术公开了一种基于时间序列相似性的短期光功率预测方法。首先，对实时采集的光伏电站气象数据和设备运行数据进行修复，将不合理数值或者缺失数据补齐，然后通过功率数据分析将所有光伏阵列分为几类。对每类光伏阵根据气象预测数据找出上一年同时期相近气象条件下的功率曲线，并采用加权平均的方式，来对未来的功率进行预测。本发明专利技术采用大数据分析的方法，综合利用历史数据和气象预测数据提高光功率预测精度，对于保障电网平稳运行具有十分重要意义。

【技术实现步骤摘要】
一种基于时间序列相似性的短期光功率预测方法
本专利技术涉及一种基于时间序列相似性的短期光功率预测方法，涉及电力调度控制及光伏电站调度管理
，主要适用于光伏电站及电力调度部门进行发电量预测评估。
技术介绍
伴随着我国能源绿色化战略的不断深入，光能作为一种可再生清洁能源越来越受人们的广泛关注。近年来，随着光伏设备制造技术的不断进步，价格逐步降低，发电效率不断提高，多晶硅电池效率在16％至17％左右，单晶硅电池的效率约18％至20％。按照国家规划，到2020年国内光伏电站装机规模为150GW，2015年底我国光伏累计装机超过43GW，未来5年内光伏发电行业的年复合增长率高达28.39％。光电的迅速发展对电网调度管理带来了巨大挑战，主要体现在光伏电站功率预测精度差，增加了电网调节控制的难度。这是由于光伏电站的发电能力受到气象因素的影响，短时间会发生随机波动导致光伏电站电压波动、闪变和无功补偿装置等产生的谐波，造成电能质量问题，因此准确地对光伏电站功率进行预测对于电网调度具有重大意义。此外，伴随着电力市场交易的深入开展，国家对风电、光伏的保护也逐步放开，在参与电力竞价的过程中，准确申报发电能力不仅可以提高经济效益，还可避免误报带来经济损失。光功率短期预测方法很多，有不同的分类标准，根据是否使用数值气象预报(NWP—NumericalWeatherPrediction)产品，预测方法可以分为两类：一类是基于时间序列的预测方法，一类是基于数值气象预报的预测方法。随着时间数据序列预测方法的深入研究，已产生了多种时间序列预测方法，例如自回归滑动平均(Auto-RegressiveandMoving-Average，ARMA)模型、神经网络、灰色预测和支持向量机(SupportVectorMachine，SVM)等技术。ARMA模型在处理非线性时间序列时，需先对数据进行平稳化处理，且预测精度较低，而采用神经网络进行非线性预测时，其学习速度较慢且存在局部极小值问题。SVM预测模型的学习能力和泛化性能通常由核函数的类型和参数决定，采用单一核函数的SVM模型存在一定局限性，对较为复杂的非线性数据预测的精度较低。基于历史数据的预测方法精度会伴随着预测时长的增加而下降，一般为6小时或8小时。基于数值气象预报，预测时间可以更长一些，具体取决于数值气象预报的预测时间长度，可以达到24小时、48小时甚至72小时或者更长，其精度收到气象预报精度的影响。
技术实现思路
专利技术目的：针对上述现有技术，提出一种基于时间序列相似性的短期光功率预测方法，以影响发电功率的主要因素辐照度和温度为检查条件，进行功率预测，避免单纯依靠气象预报带来的不准确性。技术方案：一种基于时间序列相似性的短期光功率预测方法，包括如下步骤：步骤1，对光伏电站历史气象观测数据和设备运行状况数据进行修复；步骤2，通过功率数据分析将所有光伏阵列分类；步骤3，对每类光伏阵根据气象预测数据找出上一年同时期相近气象条件下的功率曲线，然后采用加权平均的方式对功率进行预测；步骤4，将几类光伏阵列的预测功率求和，得到全站的预测功率。进一步的，光伏电站气象数据包括在t时刻的辐照度Rt以及在t时刻的温度Tt，设备运行状况数据包括在t时刻全厂阵列功率Pt；所述步骤1中，设预测日期为T，则以日为单位从数据库历史资料中抽取本站上一年[T-15,T+15]范围内的光伏电站气象观测数据和设备运行状况数据共计30组，每组数据中按时间等间隔取样，数据修复包括如下具体步骤：步骤1a，根据当地历史统计气象数据中最大值和最小值作为该类型数据的上下限，并引入参数α作为松弛因子来确立指标合理范围：当历史数据均为正值时，指标合理范围的下限调整为最小数据与α的商，指标合理范围的上限调整为最大数据与α的积；当历史数据的最小数据为负值时，指标合理范围的下限调整为最小数据与α的积，指标合理范围的上限调整为最大数据与α的积，得到光伏阵列功率、辐照度、温度的合理范围分别为：Pt∈[0,α·Pmax]，Rt∈[Rmin/α,α·Rmax]，Tt∈[α·Tmin,α·Tmax]步骤1b，令Dt＝{Pt,Rt,Tt}，对于Dt中出现的各类数据采用步骤1a确定的指标合理范围进行检查，若发生越界时，则用边界值替代；步骤1c，在Dt中，若某个数据不存在或未采集则通过数据插值的方式来进行修复，从而保证数据的完整性，数据插值采用内插法。进一步的，所述步骤2包括如下具体步骤：首先计算光伏阵列功率特性的相似度：设本光伏电站包括若干个光伏阵列，选取所有光伏阵列最近一周的运行时间序列，以日为单位计算任意两个阵列的功率序列的相似度，设阵列i的功率列Pi＝<P0i,P1i,…,Pzi>，阵列j的功率列则二者的相似度Simp(i,j)由马氏距离进行算：其中，下标z表示一天中数据的取样总次数；然后以所述相似度为度量，采用k均值分类方法将所有阵列分为G类。进一步的，所述步骤3包括如下具体步骤：步骤3a，对每一类阵列，选择上一年[T-15,T+15]内的30组数据进行计算，对于所有的历史气象观测数据与气象预测数据分别结算辐照度序列相似度和温度序列相似度；设在d日历史辐照度时间序列为Rd＝<R0d,R1d,…,Rzd>，预测辐照度时间序列为Rp＝则两者的相似度为：设在d日历史温度时间序列为Td＝<T0d,T1d,…,Tzd>，预测温度时间序列为则两者的相似度为：由和确定d日综合相似度Simd：其中，α为加权系数；步骤3b，设步骤3a获得的所有时间序列与预测序列最为相似的M个序列的综合相似度分别为：Sim1，Sim2，…，SimM，则在日期T，阵列平均功率系数wi为：步骤3c，某类光伏阵列在t时刻的预测功率由最为相似的M个序列在各自t时刻的功率加权得到：其中，Ptg为g类光伏阵列在t时刻的预测功率，Ptgi为g类光伏阵列M个相似序列中第i个序列t时刻的功率。进一步的，所述步骤4包括如下具体步骤：设光伏电站所有阵列分为G类，则全站在t时刻的发电功率预测值Pt为：有益效果：本专利技术的一种基于时间序列相似性的短期光功率预测方法，首先对实时采集的光伏电站气象数据和设备运行状况进行修复，然后通过功率数据分析将所有光伏阵列分为几类。对每类光伏阵根据气象预测数据找出近年来同时期相近气象条件下的功率曲线，并采用加权平均的方式，来对未来的功率进行预测。最后，将几类光伏阵列的功率求和即可得到全站的功率。本专利技术采用时间序列相似性分析的方法，以功率特征为出发点，以影响发电功率的主要因素辐照度和温度为检查条件，进行功率预测，避免单纯依靠气象预报带来的不准确性，可为光伏电站及调度部门提供有力的预报支撑。附图说明图1为本专利技术的流程图；图2为数据修复流程图；图3为序列相似度计算流程。具体实施方式下面结合附图对本专利技术做更进一步的解释。光伏电站气象数据包括在t时刻的辐照度Rt以及在t时刻的温度Tt，设备运行状况数据包括在t时刻全厂阵列功率Pt。一种基于时间序列相似性的短期光功率预测方法，包括如下步骤：步骤1，对光伏电站历史气象观测数据和设备运行状况数据进行修复，包括如下具体步骤：步骤1a，设预测日期为T，则以日为单位从数据库历史资料中抽取本站上一年[T-15,T本文档来自技高网...

【技术保护点】
一种基于时间序列相似性的短期光功率预测方法，其特征在于，包括如下步骤：步骤1，对光伏电站历史气象观测数据和设备运行状况数据进行修复；步骤2，通过功率数据分析将所有光伏阵列分类；步骤3，对每类光伏阵根据气象预测数据找出上一年同时期相近气象条件下的功率曲线，然后采用加权平均的方式对功率进行预测；步骤4，将几类光伏阵列的预测功率求和，得到全站的预测功率。

【技术特征摘要】
1.一种基于时间序列相似性的短期光功率预测方法，其特征在于，包括如下步骤：步骤1，对光伏电站历史气象观测数据和设备运行状况数据进行修复；步骤2，通过功率数据分析将所有光伏阵列分类；步骤3，对每类光伏阵根据气象预测数据找出上一年同时期相近气象条件下的功率曲线，然后采用加权平均的方式对功率进行预测；步骤4，将几类光伏阵列的预测功率求和，得到全站的预测功率。2.根据权利要求1所述的基于时间序列相似性的短期光功率预测方法，其特征在于，光伏电站气象数据包括在t时刻的辐照度Rt以及在t时刻的温度Tt，设备运行状况数据包括在t时刻全厂阵列功率Pt；所述步骤1中，设预测日期为T，则以日为单位从数据库历史资料中抽取本站上一年[T-15,T+15]范围内的光伏电站气象观测数据和设备运行状况数据共计30组，每组数据中按时间等间隔取样，数据修复包括如下具体步骤：步骤1a，根据当地历史统计气象数据中最大值和最小值作为该类型数据的上下限，并引入参数α作为松弛因子来确立指标合理范围：当历史数据均为正值时，指标合理范围的下限调整为最小数据与α的商，指标合理范围的上限调整为最大数据与α的积；当历史数据的最小数据为负值时，指标合理范围的下限调整为最小数据与α的积，指标合理范围的上限调整为最大数据与α的积，得到光伏阵列功率、辐照度、温度的合理范围分别为：Pt∈[0,α·Pmax]，Rt∈[Rmin/α,α·Rmax]，Tt∈[α·Tmin,α·Tmax]步骤1b，令Dt＝{Pt,Rt,Tt}，对于Dt中出现的各类数据采用步骤1a确定的指标合理范围进行检查，若发生越界时，则用边界值替代；步骤1c，在Dt中，若某个数据不存在或未采集则通过数据插值的方式来进行修复，从而保证数据的完整性，数据插值采用内插法。3.根据权利要求1所述的基于时间序列相似性的短期光功率预测方法，其特征在于，所述步骤2包括如下具体步骤：首先计算光伏阵列功率特性的相似度：设本光伏电站包括若干个光伏阵列，选取所有光伏阵列最近一周的运行时间序列，以日为单位计算任意两个阵列的功率序列的相似度，设阵列i的功率列Pi＝<P0i,P1i,…,Pzi>，阵列j的功率列则...

【专利技术属性】
技术研发人员：金惠英，王占丰，马玮骏，张少娴，杨勇强，秦岭，
申请(专利权)人：南京金水尚阳信息技术有限公司，
类型：发明
国别省市：江苏,32