【技术实现步骤摘要】
本专利技术涉及光伏功率预测技术，特别是涉及一种基于初值优化的高斯混合误差概率分布补偿的光伏功率预测方法。
技术介绍
1、近些年来，世界各国都投身于实现向新能源转型的计划，是否能够高效利用好太阳能、风能等可再生清洁能源正逐步成为解决世界能源危机的关键。我国凭借着独特的地理优势使得光伏发电的规模迅速扩展，虽然光伏发电被视为实现低碳的重要一环，但由于其出力具有不连续性和不确定性的特点，光伏的大规模并网对现代电力系统也带来了运行稳定性与合理调度规划等相关问题，而其中光伏功率的合理规划与调度问题更为显著。为了确保光伏并网后的电网电能质量需要进行光伏出力的准确预测。因此如何对光伏电站的输出功率进行精确预测对于提高光伏电站的运行效率甚至整个系统的规划与运行来说有着重要意义。
2、目前大多数的研究都将重心放在功率的点预测上，然而太阳辐射的波动性和光伏发电设备的弱抗扰性使点预测的误差无法被完全忽略，直接进行点预测，其值所含信息量有限，无法将光伏功率的波动情况与多峰性特征描绘出来。所以有必要设计出一种新的方法来满足实际的需求。
技术实现思路
1、针对上述问题，本专利技术提出采用高斯混合分布模型用以描述天气划分后的光伏出力预测误差的分布特性。采用依据辐照度指标的k-means聚类算法将原始环境数据依据不同气象状况特征进行分类，为了解决模型初值数据集会存在异常波动点的问题，引入鲸鱼优化算法对其进行适应性寻优，接着利用高斯概率密度函数结合期望最大化算法求解模型参数并拟合出不同场景下预测误差的分布
2、s1：天气划分：本专利技术先对传统点预测后的误差分布进行分析，分析得其误差分布受不同天气情况的影响较大，故而引入基于辐照度指标的k-means算法对原始环境数据进行聚类处理，将其分成多个具有明显特征的天气组别。k-means算法是一种非监督实时聚类算法，其核心是基于指定的聚类数，生成初始的数据集中心点，将原始数据中的各点划分到离其最近的聚类中心所代表的类簇中，所有点分配完毕之后，再根据一个类簇内的所有点之间的差值关系重新计算该类簇的中心点，再将每个对象重新赋给其最接近的类簇中进行迭代，直至达到收敛条件或者指定的迭代次数。
3、k-means算法迭代过程中的目的是找出使平方误差函数值最小的几个聚类数.其定义如下：
4、
5、式中，e是数据库中所有对象的平方误差总和，k值是最初指定的聚类数，p是空间中的点，同时也表示给定的原始数据点，mi是簇ci的平均值。在此准则下，最终生成的各簇中的数据都能尽可能地保持紧凑与独立。
6、关于算法的分类指标，相较于普遍采用的基于预测值和实际值间差值的函数关系进行分类的方案，本专利技术采用基于太阳辐照度平均值和辐照度的平均波动量两种基本指标对收集到的光伏数据进行聚类，在这一方案下，可将各种不同天气情况下的数据分布所呈现出的特征集中于一个图上，与传统的分类方式相比，各天气类别的数据分布特征与各聚类中心点的位置更加直观。
7、s2：模型初值的优化：由于高斯分布模型的初值由其均值和方差确定，这两个数值的选取则由所选的输入数据集决定，而在选取模型输入变量的数据集时，由于环境数据的随机性，输入数据中可能包含部分异常波动的数据点，进而导致模型对数据的拟合效果出现偏差。再或者由于数据集数量的局限性，导致模型参数存在易收敛于局部最优解的问题。在此引入鲸鱼优化算法对模型输入的数据组合进行全局寻优，在保证整体数据多峰性特征的基础上剔除掉异常波动点；鲸鱼优化算法以种群中的随机个体为目标猎物，针对初始数据的随机性特征，在确保各数据集中无异常点后取数据集信息熵值最大为适应度目标。在后续的每一次迭代过程中，假定当前最佳候选鲸鱼为目标猎物，其它的鲸鱼会朝着这个位置进行包围收缩形成目标数据集，数学模型如下：
8、x(t+1)＝x*(t)-a·d
9、
10、式中，x*表示当前最佳候选鲸鱼位置向量，x表示位置向量，t表示当前迭代次数，d表示鲸鱼个体向x*靠近的步长向量，d的第j维分量dj由式所得，xj*和xj分别表示x*和x的第j维分量，a和c为系数。a表示[-2，2]上的随机数，c表示[0，2]上的随机数，其定义如下所示：
11、a＝2a·r-a
12、c＝2·r
13、式中，r为[0，1]上一随机数；a称为收敛因子，它随着迭代次数的增加从2线性减小到0。a的定义如下：
14、
15、式中，tmax为最大迭代次数。
16、鲸鱼既可以通过泡泡网袭击猎物，又可以采用包围收缩机制接近猎物。为了实现两种机制同时进行，选择p0＝50％的概率来更新鲸鱼的位置。数学模型如下：
17、
18、式中，d'表示鲸鱼与x*的距离向量，d'的第j维分量d'j＝|x*j(t)－xj(t)|，b是用于定义对数螺旋形状的常量系数，l取[-1，1]上的随机数。
19、在鲸鱼种群位置迭代更新过程中，当|a|<1时，鲸鱼返回第一步进行位置的更新；当|a|≥1时会强迫鲸鱼向随机选取的参考鲸鱼位置向量xrand更新位置，如下式所示：
20、d＝|c·xrand-x(t)|
21、x(t+1)＝xrand-a·d
22、s3：高斯分布模型的建立和参数求解：运用高斯混合模型来拟合不同程度下预测误差的概率分布情况，并据此获得区间预测的结果。通过变更高斯混合模型内部的相应参数，如成分数量、权值系数、平均数及各成分的协方差矩阵，可以准确表征不同的概率密度分布情况，针对高斯分布模型中存在的非凸型优化问题，采用期望最大化法进行模型中参数的求解，此方法具体通过迭代计算并更新模型的参数实现；单一的高斯分布的概率密度函数能够以特定的数学模型表示，如式所示：
23、
24、式中，μ和σ2分别为高斯分布的均值和方差。
25、由多个单一高斯分布函数进行加权组合的高斯混合分布即表示为：
26、
27、式中，θ为各个高斯分量的均值和方差的参数集合，θ＝{θ1,θ2,θ3,…,θk}；ak为第k个高斯分量所被赋予的加权系数；满足ak≥0且其中表示为高斯分布的概率密度函数,其表达式为：
28、
29、选定初值后，针对模型参数求解，依据现有的功率预测误差数据，可以通过最大似然估计方法来确定参数，高斯混合模型的目标方程表达为：
30、
31、针对上式中存在的非凸型优化问题，采用期望最大化法进行模型中参数的求解，此方法具体通过迭代计算并更新模型的参数实现。面对模型参数求解问题时，通常优先考虑对模型拟合结果影响较大的一类参数的选取，在上述高斯混合分布模型中，显然确定高斯分量的总数k是选用gmm模型的关键点。单从理论上来说，本文档来自技高网...
【技术保护点】
1.一种基于初值优化的高斯混合误差概率分布补偿的光伏功率预测方法，其特征在于：包括如下步骤：
2.根据权利要求1所述的基于初值优化的高斯混合误差概率分布补偿的光伏功率预测方法，其特征在于：步骤S1中，通过以下方法完成天气划分：
3.根据权利要求2所述的基于初值优化的高斯混合误差概率分布补偿的光伏功率预测方法，其特征在于：根据辐照度平均值与辐照度波动值之间的关系来反映误差所处的天气环境，并以这一指标作为划分误差组别的判据。
4.根据权利要求1所述的基于初值优化的高斯混合误差概率分布补偿的光伏功率预测方法，其特征在于：步骤S2中模型初值优化方案具体为：
5.根据权利要求4基于初值优化的高斯混合误差概率分布补偿的光伏功率预测方法，其特征在于：所述引用的鲸鱼优化算法，考虑到鲸鱼既可以通过泡泡网袭击猎物，又可以采用包围收缩机制接近猎物；为了实现两种机制同时进行，选择P0＝50％的概率指标来更新鲸鱼的位置；
6.根据权利要求1所述的基于初值优化的高斯混合误差概率分布补偿的光伏功率预测方法，其特征在于：步骤S3中高斯分布模型的建立步骤
7.根据权利要求6所述的基于初值优化的高斯混合误差概率分布补偿的光伏功率预测方法，其特征在于：在求解过程开始前确定其目标函数，依据现有的功率预测误差数据，高斯混合模型的目标方程如下表达为一种非凸型优化问题：
8.根据权利要求6所述的基于初值优化的高斯混合误差概率分布补偿的光伏功率预测方法，其特征在于：
9.根据权利要求6所述的基于初值优化的高斯混合误差概率分布补偿的光伏功率预测方法，其特征在于：
10.根据权利要求6所述的基于初值优化的高斯混合误差概率分布补偿的光伏功率预测方法，其特征在于：针对于解决非凸型优化问题的期望最大化法，采用如下迭代过程，依据给出的权重参数初始值随机选取高斯分量，并根据所选随机分量对应的密度函数PDF来形成具体的分布预测；引入一隐藏变量Zm来表征观测量Xm与高斯密度函数PDF的从属关系，即表明由哪一个高斯分量形成了这一观测量，下式Qm(Zm)则表示出这一关系出现的概率大小：
...【技术特征摘要】
1.一种基于初值优化的高斯混合误差概率分布补偿的光伏功率预测方法，其特征在于：包括如下步骤：
2.根据权利要求1所述的基于初值优化的高斯混合误差概率分布补偿的光伏功率预测方法，其特征在于：步骤s1中，通过以下方法完成天气划分：
3.根据权利要求2所述的基于初值优化的高斯混合误差概率分布补偿的光伏功率预测方法，其特征在于：根据辐照度平均值与辐照度波动值之间的关系来反映误差所处的天气环境，并以这一指标作为划分误差组别的判据。
4.根据权利要求1所述的基于初值优化的高斯混合误差概率分布补偿的光伏功率预测方法，其特征在于：步骤s2中模型初值优化方案具体为：
5.根据权利要求4基于初值优化的高斯混合误差概率分布补偿的光伏功率预测方法，其特征在于：所述引用的鲸鱼优化算法，考虑到鲸鱼既可以通过泡泡网袭击猎物，又可以采用包围收缩机制接近猎物；为了实现两种机制同时进行，选择p0＝50％的概率指标来更新鲸鱼的位置；
6.根据权利要求1所述的基于初值优化的高斯混合误差概率分布补偿...
【专利技术属性】
技术研发人员：梅建春，卫银忠，闫安心，周亚龙，鲁晓莉，苏嘉彬，宋鹏程，
申请(专利权)人：江苏科能电力工程咨询有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。