一种用于预测光伏发电功率的方法及系统技术方案

本发明专利技术公开了一种用于预测光伏发电功率的方法及系统，属于分布式光伏发电功率预测技术领域

【技术实现步骤摘要】
一种用于预测光伏发电功率的方法及系统


[0001]本专利技术涉及分布式光伏发电功率预测
，并且更具体地，涉及一种用于预测光伏发电功率的方法及系统
。

技术介绍

[0002]当今社会，人们日益把环境视为经济发展和社会进步的决定性因素，能源是我们生活中不可或缺的重要组成部分，煤炭作为我国的传统能源和主要的一次能源，燃烧产生的有害气体及浮尘等造成了环境污染，因此新能源的使用就变得尤为重要
。
而太阳能更是最清洁的能源之一，光伏发电与风力发电类似，系统的输出功率一直是重点的研究问题
。
太阳能与风能都是受天气影响较大的能源，导致发电系统输出功率的稳定性不高
。
[0003]在这样的背景下，结合影响光伏系统输出功率预测的气象因素，利用气象数据与光伏发电之间的相关性，选择合适的建模方式来进行高效
、
精确的功率预测的研究具有重要意义
。
[0004]光伏发电系统发展如今趋向与大型化和系统化，出现的问题也相应的越来越多
。
太阳能光照量受到众多气象因素的影响，如：短波辐射量
、
云量
、
温度
、
湿度等，因为地理位置
、
环境各不相同，太阳能光伏发电系统接受的光照亮也就各不相同，即光伏发电的输出功率具有波动性和间歇性，这是所有不可控能源发电的固有缺陷，这种缺陷源自技术手段的不成熟，当输出功率波动的发电系统并入电网时，势必对电网的稳定性造成冲击，降低整个电网的配电质量，也使得电能调配出现问题，如此，对于光伏发电输出功率的预测就显得很有必要
。

技术实现思路

[0005]针对上述问题，本专利技术提出了一种用于预测光伏发电功率的方法，包括：
[0006]针对光伏系统，获取所述光伏系统与功率及气象因素相关的数据，将所述与功率及气象因素相关的数据作为原始数据；
[0007]根据所述原始数据，确定气象因素对于所述光伏输出功率的影响因素指标，并确定所述影响因素指标的贡献率，以所述贡献率作为所述影响因素指标所对应的权重；
[0008]根据所述影响因素指标与所述影响指标所对应的权重的乘积，确定最优聚类数；
[0009]根据最优聚类数，将所述原始数据聚类为多类数据，选取多类数据中的一类数据作为用于训练预测模型的输入数据；
[0010]以所述输入数据对所述预设的神经网络模型进行训练，以得到预测模型，以所述预测模型预测目标光伏系统的发电功率
。
[0011]可选的，影响因素指标，包括如下中的至少一种：光伏系统所在环境的短波辐射指标
、
云量指标
、
温度指标和湿度指标
。
[0012]可选的，基于主成分分析法确定影响因素指标的贡献率；
[0013]所述基于主成分分析法确定影响因素指标的贡献率，包括：
[0014]以原始数据的样本数量与影响因素指标的数量的乘积，构建样本矩阵，将样本矩阵进行标准化处理，以得到标准化的样本矩阵；
[0015]确定标准化的样本矩阵的相关矩阵，并计算出所述相关矩阵的特征值和特征向量，基于所述特征值和特征向量，确定影响因素指标的贡献率
。
[0016]可选的，基于手肘法确定最优聚类数；
[0017]所述基于手肘法确定最优聚类数，包括：根据影响因素指标与影响指标所对应的权重的乘积，确定聚类的核心指标，基于所述核心指标，确定最优聚类数
。
[0018]可选的，基于
K
‑
means
聚类算法将所述原始数据聚类为多类数据；
[0019]所述基于
K
‑
means
聚类算法将所述原始数据聚类为多类数据，包括：
[0020]建立所述
K
‑
means
聚类算法的目标函数，基于所述目标函数对所述原始数据进行迭代计算，直到输出多类数据
。
[0021]可选的，预设的神经网络模型为
BP
神经网络模型
。
[0022]可选的，以所述输入数据对所述预设的神经网络模型进行训练，以得到预测模型，包括：
[0023]将输入数据以预设比例划分为训练数据集和测试数据集；
[0024]对所述训练数据集进行归一化处理，得到归一化训练数据集；
[0025]设置
BP
神经网络模型的参数，所述参数包括：训练次数
、
学习速率和最小误差，在所述
BP
神经网络模型设置完参数后，将所述归一化训练数据集输入至设置完参数后的
BP
神经网络模型进行训练，得到初始预测模型；
[0026]对所述测试数据集进行归一化处理，得到归一化测试数据集，将所述归一化测试集输入至初始预测模型进行测试，获取测试结果，对所述测试结果进行反归一化处理，得到用于验证所述测试数据集的验证数据集，以所述测试数据集作为真实值，以所述验证数据集作为预测值，对所述真实值和预测值进行对比，若误差值在预设范围内，则以初始预测模型用作预测模型
。
[0027]再一方面，本专利技术还提出了一种用于预测光伏发电功率的系统，包括：
[0028]数据采集系统，用于针对光伏系统，获取所述光伏系统与功率及气象因素相关的数据，将所述与功率及气象因素相关的数据作为原始数据；
[0029]第一计算单元，用于根据所述原始数据，确定气象因素对于所述光伏输出功率的影响因素指标，并确定所述影响因素指标的贡献率，以所述贡献率作为所述影响因素指标所对应的权重；
[0030]第二计算单元，用于根据所述影响因素指标与所述影响指标所对应的权重的乘积，确定最优聚类数；
[0031]聚类单元，用于根据最优聚类数，将所述原始数据聚类为多类数据，选取多类数据中的一类数据作为用于训练预测模型的输入数据；
[0032]预测单元，用于以所述输入数据对所述预设的神经网络模型进行训练，以得到预测模型，以所述预测模型预测目标光伏系统的发电功率
。
[0033]可选的，影响因素指标，包括如下中的至少一种：光伏系统所在环境的短波辐射指标
、
云量指标
、
温度指标和湿度指标
。
[0034]可选的，基于主成分分析法确定影响因素指标的贡献率；
[0035]所述基于主成分分析法确定影响因素指标的贡献率，包括：
[0036]以原始数据的样本数量与影响因素指标的数量的乘积，构建样本矩阵，将样本矩阵进行标准化处理，以得到标准化的样本矩阵；
[0037]确定标准化的样本矩阵的相关矩阵，并计算出所述相关矩阵的特征值和特征向量，基于所述特征值和特征向量，确定影响因素指标的贡献率
。
[0038]可选的，基于手肘法确定最优聚类数；
[0039]所述基于手本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种用于预测光伏发电功率的方法，其特征在于，所述方法包括：针对光伏系统，获取所述光伏系统与功率及气象因素相关的数据，将所述与功率及气象因素相关的数据作为原始数据；根据所述原始数据，确定气象因素对于所述光伏输出功率的影响因素指标，并确定所述影响因素指标的贡献率，以所述贡献率作为所述影响因素指标所对应的权重；根据所述影响因素指标与所述影响指标所对应的权重的乘积，确定最优聚类数；根据最优聚类数，将所述原始数据聚类为多类数据，选取多类数据中的一类数据作为用于训练预测模型的输入数据；以所述输入数据对所述预设的神经网络模型进行训练，以得到预测模型，以所述预测模型预测目标光伏系统的发电功率
。2.
根据权利要求1所述的方法，其特征在于，所述影响因素指标，包括如下中的至少一种：光伏系统所在环境的短波辐射指标
、
云量指标
、
温度指标和湿度指标
。3.
根据权利要求1所述的方法，其特征在于，基于主成分分析法确定影响因素指标的贡献率；所述基于主成分分析法确定影响因素指标的贡献率，包括：以原始数据的样本数量与影响因素指标的数量的乘积，构建样本矩阵，将样本矩阵进行标准化处理，以得到标准化的样本矩阵；确定标准化的样本矩阵的相关矩阵，并计算出所述相关矩阵的特征值和特征向量，基于所述特征值和特征向量，确定影响因素指标的贡献率
。4.
根据权利要求1所述的方法，其特征在于，基于手肘法确定最优聚类数；所述基于手肘法确定最优聚类数，包括：根据影响因素指标与影响指标所对应的权重的乘积，确定聚类的核心指标，基于所述核心指标，确定最优聚类数
。5.
根据权利要求1所述的方法，其特征在于，基于
K
‑
means
聚类算法将所述原始数据聚类为多类数据；所述基于
K
‑
means
聚类算法将所述原始数据聚类为多类数据，包括：建立所述
K
‑
means
聚类算法的目标函数，基于所述目标函数对所述原始数据进行迭代计算，直到输出多类数据
。6.
根据权利要求1所述的方法，其特征在于，预设的神经网络模型为
BP
神经网络模型
。7.
根据权利要求1所述的方法，其特征在于，以所述输入数据对所述预设的神经网络模型进行训练，以得到预测模型，包括：将输入数据以预设比例划分为训练数据集和测试数据集；对所述训练数据集进行归一化处理，得到归一化训练数据集；设置
BP
神经网络模型的参数，所述参数包括：训练次数
、
学习速率和最小误差，在所述
BP
神经网络模型设置完参数后，将所述归一化训练数据集输入至设置完参数后的
BP
神经网络模型进行训练，得到初始预测模型；对所述测试数据集进行归一化处理，得到归一化测试数据集，将所述归一化测试集输入至初始预测模型进行测试，获取测试结果，对所述测试结果进行反归一化处理，得到用于验证所述测试数据集的验证数据集，以所述测试数据集作为真实值，以所述验证数据集作为预测值，对所述真实值和预测值进行对比，若误差值在预设范围内，则以初始预测模型用
作预测模型
。8.
一种用于预测光伏发电功率的系统，其特征在于，所述系统包括：数据采集系统，用于针对光伏系统，获取所述光伏系统与功率及气象因素相关的数据，将所述与功率及气象因素相关的数据作为原始数据；第一计算单元，用于根据所述原始数据，确...

【专利技术属性】
技术研发人员：王海波，古凌云，周菲嫣，郑格，张芳，陈洁，雷浩亮，吴岩，关石磊，陈建荣，包旭弘，
申请(专利权)人：北京信息科技大学国家电网有限公司，
类型：发明
国别省市：