一种基于数值天气预报的分布式光伏功率预测方法和系统技术方案

本发明专利技术公开了一种基于数值天气预报的分布式光伏功率预测方法和系统，方法包括获取分布式光伏关联数据；将数值天气预报历史数据与分布式光伏历史功率数据进行功率相关性分析，生成预测相关性特征集合，将数值天气预报历史数据

【技术实现步骤摘要】
一种基于数值天气预报的分布式光伏功率预测方法和系统


[0001]本专利技术涉及光伏功率预测领域，尤其涉及一种基于数值天气预报的分布式光伏功率预测方法和系统
。

技术介绍

[0002]数值天气预报
(numer ical weather prediction)
是指根据大气实际情况，在一定的初值和边值条件下，通过大型计算机作数值计算，求解描写天气演变过程的流体力学和热力学的方程组，预测未来一定时段的大气运动状态和天气现象的方法
。
[0003]在构建以新能源为主体的新型电力系统，实现“碳达峰
、
碳中和”的发展路线中，以风电
、
光伏为主的分布式发电
、
以及电动汽车
、
分布式储能的大规模推广将成为电力领域降低二氧化碳排放的重要途径
。
分布式光伏发电出力具有波动性大的问题，因此有必要对分布式光伏发电开展有效的功率预测，从而为配电网调度和安全稳定运行提供准确的分布式光伏发电预测数据
。
[0004]天气信息是分布式光伏发电功率预测重要考虑因素，然而对分布式光伏电站进行发电功率预测时，常常采用的功率预测方法中往往通过气象站采集的历史气象数据，将历史气象数据用于光伏发电功率预测，由于气象数据在当下环境可能发生变化，仅气象历史数据无法准确判断当下的气象条件，无法准确分析光伏功率
、
预测误差和气象数据的关系，功率预测结果的准确性低
。

技术实现思路

[0005]本专利技术提供了一种基于数值天气预报的分布式光伏功率预测方法和系统，实现有效预测光伏发电功率，提高分布式光伏功率预测的准确性
。
[0006]为了解决上述技术问题，本专利技术实施例提供了一种基于数值天气预报的分布式光伏功率预测方法，包括：
[0007]获取分布式光伏关联数据；其中，分布式光伏关联数据包括分布式光伏地理位置信息，数值天气预报历史数据
、
分布式光伏设备数据
、
分布式光伏历史功率数据和分布式光伏历史预测数据；
[0008]将数值天气预报历史数据与分布式光伏历史功率数据进行功率相关性分析，生成预测相关性特征集合，并将数值天气预报历史数据
、
分布式光伏设备数据与分布式光伏历史预测误差数据进行关键因素相关性分析，生成误差相关性特征集合；
[0009]根据误差相关性特征集合和若干个预测方法，构建若干个误差预测模型，将各误差预测模型进行聚类筛选分析，选择最佳误差预测模型，并根据预测相关性特征集合和最佳误差预测模型，构建功率值预测模型；
[0010]基于当前的数值天气预报预测结果和当前的设备运行数据，通过功率值预测模型和最佳误差预测模型进行预测，获得当前的分布式光伏功率预测结果；其中，分布式光伏功率预测结果包括光伏功率预测值和预测误差值
。
[0011]实施本专利技术实施例，获取分布式光伏关联数据；其中，分布式光伏关联数据包括分布式光伏地理位置信息，数值天气预报历史数据
、
分布式光伏设备数据
、
分布式光伏历史功率数据和分布式光伏历史预测数据；将数值天气预报历史数据与分布式光伏历史功率数据进行功率相关性分析，生成预测相关性特征集合，并将数值天气预报历史数据
、
分布式光伏设备数据与分布式光伏历史预测误差数据进行关键因素相关性分析，生成误差相关性特征集合；根据误差相关性特征集合和若干个预测方法，构建若干个误差预测模型，将各误差预测模型进行聚类筛选分析，选择最佳误差预测模型，并根据预测相关性特征集合和最佳误差预测模型，构建功率值预测模型；基于当前的数值天气预报预测结果和当前的设备运行数据，通过功率值预测模型和最佳误差预测模型进行预测，获得当前的分布式光伏功率预测结果；其中，分布式光伏功率预测结果包括光伏功率预测值和预测误差值
。
通过包含地理位置的数值天气预报开展分布式光伏预测，基于历史相关气象数据集
、
历史功率数据集和设备运行数据，搭建误差预测模型，进行聚类筛选分析，选择最佳误差预测模型和功率值预测模型，基于气象特征预测信息
(
当前的数值天气预报预测结果
)
和当前的设备运行数据，通过功率值预测模型和最佳误差预测模型，获取功率预测结果，能够准确分析光伏功率
、
预测误差和气象数据的关系，提高分布式光伏功率预测的准确性
。
[0012]作为优选方案，将数值天气预报历史数据与分布式光伏历史功率数据进行功率相关性分析，生成预测相关性特征集合，具体为：
[0013]将数值天气预报历史数据和分布式光伏历史功率数据分别进行箱线图分析滤除异常数据，获得预处理天气数据和预处理光伏功率数据；
[0014]根据预处理天气数据，获取气象因素对应的天气状态量数据；
[0015]将气象因素对应的天气状态量数据和预处理光伏功率数据进行皮尔逊积差相关性分析，得到气象因素与光伏功率的第一相关性系数；
[0016]根据第一相关性系数，选择主要影响因素，并根据分布式光伏历史预测数据和主要影响因素对应的天气状态量数据，生成预测相关性特征集合
。
[0017]作为优选方案，箱线图分析滤除异常数据，具体为：
[0018]选取数据的箱式图的关键数值；其中，关键数值包括最大值
、
最小值
、P75、P25
和
P50
；
[0019]根据关键数值，预设最大观测值和最小观测值；
[0020]将数据的箱式图进行比较分析，获取离群点数据；
[0021]若存在小于最小观测值的离群点数据，则箱式图中的胡须下限设为最小观测值，在当前的全部数据中滤除小于最小观测值的离群点数据；
[0022]若不存在小于最小观测值的离群点数据，则箱式图中的胡须下限设为最小值；
[0023]若存在大于最大观测值的离群点数据，则箱式图中的胡须上线限设为最大观测值，在当前的全部数据中滤除大于最大观测值的离群点数据；
[0024]若不存在大于最大观测值的离群点数据，则箱式图中的胡须上限设为最小值
。
[0025]作为优选方案，将数值天气预报历史数据
、
分布式光伏设备数据与分布式光伏历史预测误差数据进行关键因素相关性分析，生成误差相关性特征集合，具体为：
[0026]将分布式光伏历史功率数据和分布式光伏历史预测数据进行差值计算，获得分布式光伏历史预测误差数据；
[0027]将气象因素对应的天气状态量数据和分布式光伏历史预测误差数据进行
Granger
因果关系分析，识别
NWP
相关因子，获取
NWP
相关因子中冗余变量和结果变量对应的气象因素，得到待剔除气象因素，在预处理天气数据中将待剔除气象因素对应的天气状态量数据，获本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种基于数值天气预报的分布式光伏功率预测方法，其特征在于，包括：获取分布式光伏关联数据；其中，所述分布式光伏关联数据包括分布式光伏地理位置信息，数值天气预报历史数据
、
分布式光伏设备数据
、
分布式光伏历史功率数据和分布式光伏历史预测数据；将所述数值天气预报历史数据与所述分布式光伏历史功率数据进行功率相关性分析，生成预测相关性特征集合，并将所述数值天气预报历史数据
、
所述分布式光伏设备数据与分布式光伏历史预测误差数据进行关键因素相关性分析，生成误差相关性特征集合；根据所述误差相关性特征集合和若干个预测方法，构建若干个误差预测模型，将所述各误差预测模型进行聚类筛选分析，选择最佳误差预测模型，并根据所述预测相关性特征集合和所述最佳误差预测模型，构建功率值预测模型；基于当前的数值天气预报预测结果和当前的设备运行数据，通过所述功率值预测模型和所述最佳误差预测模型进行预测，获得当前的分布式光伏功率预测结果；其中，所述分布式光伏功率预测结果包括光伏功率预测值和预测误差值
。2.
如权利要求1所述的基于数值天气预报的分布式光伏功率预测方法，其特征在于，所述将所述数值天气预报历史数据与所述分布式光伏历史功率数据进行功率相关性分析，生成预测相关性特征集合，具体为：将所述数值天气预报历史数据和所述分布式光伏历史功率数据分别进行箱线图分析滤除异常数据，获得预处理天气数据和预处理光伏功率数据；根据所述预处理天气数据，获取气象因素对应的天气状态量数据；将所述气象因素对应的天气状态量数据和所述预处理光伏功率数据进行皮尔逊积差相关性分析，得到所述气象因素与光伏功率的第一相关性系数；根据所述第一相关性系数，选择主要影响因素，并根据所述分布式光伏历史预测数据和所述主要影响因素对应的天气状态量数据，生成所述预测相关性特征集合
。3.
如权利要求2所述的基于数值天气预报的分布式光伏功率预测方法，其特征在于，所述箱线图分析滤除异常数据，具体为：选取数据的箱式图的关键数值；其中，所述关键数值包括最大值
、
最小值
、P75、P25
和
P50
；根据所述关键数值，预设最大观测值和最小观测值；将所述数据的箱式图进行比较分析，获取离群点数据；若存在小于所述最小观测值的离群点数据，则所述箱式图中的胡须下限设为所述最小观测值，在当前的全部数据中滤除小于所述最小观测值的离群点数据；若不存在小于所述最小观测值的离群点数据，则所述箱式图中的胡须下限设为所述最小值；若存在大于所述最大观测值的离群点数据，则所述箱式图中的胡须上线限设为所述最大观测值，在所述当前的全部数据中滤除大于所述最大观测值的离群点数据；若不存在大于所述最大观测值的离群点数据，则所述箱式图中的胡须上限设为所述最小值
。4.
如权利要求2所述的基于数值天气预报的分布式光伏功率预测方法，其特征在于，所述将所述数值天气预报历史数据
、
所述分布式光伏设备数据与分布式光伏历史预测误差数
据进行关键因素相关性分析，生成误差相关性特征集合，具体为：将所述分布式光伏历史功率数据和所述分布式光伏历史预测数据进行差值计算，获得所述分布式光伏历史预测误差数据；将所述气象因素对应的天气状态量数据和所述分布式光伏历史预测误差数据进行
Granger
因果关系分析，识别
NWP
相关因子，获取所述
NWP
相关因子中冗余变量和结果变量对应的气象因素，得到待剔除气象因素，在所述预处理天气数据中将所述待剔除气象因素对应的天气状态量数据，获得关键气象因素的天气状态量数据
。
将所述分布式光伏设备数据和所述分布式光伏历史预测误差数据进行皮尔逊积差相关性分析，得到设备因素与光伏预测误差的第二相关性系数；将所述关键气象因素的天气状态量数据和所述分布式光伏历史预测误差数据进行皮尔逊积差相关性分析，得到所述关键气象因素与所述光伏预测误差的第三相关性系数；根据所述第二相关性系数和所述第三相关系数，选择关键影响因素，并根据所述分布式光伏历史预测误差数据
、
所述关键影响因素对应的天气状态量数据和所述关键影响因素对应的分布式光伏设备数据，生成所述误差相关性特征集合
。5.
如权利要求4所述的基于数值天气预报的分布式光伏功率预测方法，其特征在于，所述根据所述误差相关性特征集合和若干个预测方法，构建若干个误差预测模型，具体为：基于各所述预测方法，将所述误差相关性特征集合的训练集作为各所述预测方法的输入，对所述分布式光伏历史预测误差数据进行分析，建立各所述误差预测模型；其中，所述预测方法包括
Lasso
回归
、
岭回归
、
逐步回归
、
随机森林
、
集成学习
、
支持向量机和神经网络
。6.
如权利要求5所述的基于数值天气预报的分布式光伏功率预测方法，其特征在于，所述将所述各误差预测模型进行聚类筛选分析，选择最佳误差预测模型，具体为：通过方差倒数法，计算各所述预测方法的权重，公式为：通过方差倒数法，计算各所述预测方法的权重，公式...

【专利技术属性】
技术研发人员：祝锦舟，孟子杰，喻磊，蔡新雷，林心昊，董锴，喻振帆，刘胤良，刘澧庆，陈业夫，段舒尹，肖小兵，陈千懿，
申请(专利权)人：广东电网有限责任公司电力调度控制中心南方电网科学研究院有限责任公司，
类型：发明
国别省市：