【技术实现步骤摘要】
本专利技术涉及电力系统功率预测，尤其涉及一种天气类型分类策略及其用于光伏发电功率预测方法。
技术介绍
1、在全球范围内，随着可再生能源的迅速发展，光伏发电已成为一种重要的清洁能源形式。光伏发电系统的普及不仅促进了能源结构的转型，也为应对气候变化和减少温室气体排放提供了有效的解决方案。然而，光伏发电的输出功率具有较高的不确定性，主要受太阳辐射、温度、湿度、风速等气象因素的影响，特别是云层变化的影响尤为显著。光伏发电的供电模式呈现间歇性和不确定性特点，这也使得预测方法面临较大挑战。目前，大多数基于数据驱动的光伏出力预测方法主要考虑以下三个要素：历史光伏出力数据及其对应的天气类型、预测日的天气类型以及预测模型。这些方法主要依赖天气预报数据和历史发电数据，存在较强的数据依赖性，并且通常使用较低空间分辨率的数据。此外，天气条件的瞬时变化可能导致传统模型无法及时调整，从而影响预测的准确性，因此这些方法存在一定的局限性。
技术实现思路
1、有鉴于此，针对现有技术存在的缺陷和不足，本专利技术的目的在于提供一种基于历史光伏输出特性提取的天气类型分类策略，以及利用该策略进行光伏输出预测的方法。该方法克服了传统方法依赖外部天气预报数据、预测准确性受限的缺点，通过直接从历史光伏输出数据中逆向推断天气类型，提高了光伏输出预测的准确性和鲁棒性。
2、本专利技术方案的实质是通过历史光伏输出数据反向确定天气类型，其总体实现过程包括：步骤s1：获取该区域历史光伏输出数据；步骤s2：根据近似晴空出力序列以
3、本专利技术具体采用以下技术方案：
4、一种天气类型分类策略：用于光伏发电功率预测，基于待预测区域的历史光伏输出数据，根据近似晴空出力序列以及原始光伏输出序列，获取去趋势序列；由差分序列获取去趋势序列中包含的过程信息，并离散化为字符串，进而生成光伏出力曲线的符号序列及对应的波动性评分，并进行阈值判定以获得天气分类结果。
5、进一步地，所述原始光伏输出序列用于反映光伏输出的波动性；所述去趋势序列用于反映瞬时天气条件引起的波动性，通过去除晴天下的光伏出力趋势序列获得。
6、进一步地，当所述去趋势序列生成的波动性评分低于阈值则判定当前天气为晴天。
7、进一步地，当所述去趋势序列生成的波动性评分高于阈值，则通过对原始光伏输出序列采用相同于去趋势序列的处理过程生成的波动性评分进一步进行阈值判断，低于阈值则判定为阴雨天，高于阈值则判断为多云天气。
8、进一步地，所述差分序列通过对去趋势序列进行一阶差分获得差分序列δr：
9、
10、式中：a表示月份，b表示日期，下标m的含义是时间序列的长度。
11、进一步地，将差分序列离散化为字符串的过程为：将差分序列离散化为字符串的过程为，首先假设差分序列根据波动程度分为m级，以便将差分序列离散化为字符串，然后使用自然数集作为波动强度的分级，使不同的差分值对应不同的波动区间内，将各互不重叠的波动区间由小至大对应为自然数0、1、2，则在对应的波动区间内的差分值被定义为对应的自然数，转化后得到该日对应的符号序列：
12、
13、式中：m的含义为月份。
14、进一步地，所述波动性评分的计算过程为：
15、
16、其中，w为使用改进的shannon熵(finney,charles e.a.et al.“symbolic time-seriesanalysis ofengine combustion measurements.”sae transactions 107(1998):888-897.)获得的最优单词长度，n为波动程度分成的层次数，由于定义波动分级为3级，故n为3，sr对应离散化字符串sr的字符
17、得到x序列和r序列的波动性评分vx和vr后，对多日的波动性评分进行有监督的聚类，并预先定义分类类别数为3种，对应晴天、阴天、雨天这三种天气类型，对数据分类后的熵值进行监督，从而可以得到两序列的分类阈值qx与qr，从而以此为依据来判断待预测日的天气类型。
18、以及，一种用于光伏发电功率预测方法，基于如上所述的天气类型分类策略的天气分类结果，使用tcn模型对各个天气类型进行单独建模，预测以过去3个采样日为输入，目标是预测未来1小时内的光伏输出量，并以滚动模式完成全天的预测。
19、一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述程序时实现如上所述方法的步骤。
20、一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现如上所述方法的步骤。
21、相比于现有技术，本专利技术及其优选方案基于天气类型分类的概念，分析了历史光伏输出数据与天气类型的关系并且使用了符号序列，描述光伏输出的波动，能够有效过滤历史数据中的噪声和干扰。据此合理推算出光伏输出的特征，构建出不同天气类型的特征描述，从而实现对天气类型的有效分类与预测。
22、本专利技术方案当中，通过寻找该月中波动性最小的光伏出力序列作为对应月份的趋势序列，再对每日的原始光伏出力序列去除该趋势序列后得到去趋势序列，此种方法得到的趋势序列保留了光伏出力应有的特征，如季节性和日夜变化，具有更好的处理效果。
23、对于多日的qx、qr序列，考虑到各天气条件下的序列差距很大，且在已获取各天气条件下的出力序列特征的前提下，选择使用有监督的聚类算法，预先定义分类类别数为3种，并对数据分类后的熵值进行监督，从而可以得到更好的分类效果。
24、本专利技术在预测方案中，使用tcn模型，使用因果卷积，确保输出的时间步仅依赖于当前及之前的时间步，首先对待预测日的天气类型进行预测；并且针对不同的天气类型使用tcn模型训练出不同的预测模型，并对待预测日的光伏出力进行滚动预测，得出待预测日全天的光伏出力结果，且相较于传统方法有着更高的预测精度。
本文档来自技高网...【技术保护点】
1.一种天气类型分类策略，其特征在于：用于光伏发电功率预测，基于待预测区域的历史光伏输出数据，根据近似晴空出力序列以及原始光伏输出序列，获取去趋势序列；由差分序列获取去趋势序列中包含的过程信息，并离散化为字符串，进而生成光伏出力曲线的符号序列及对应的波动性评分，并进行阈值判定以获得天气分类结果。
2.根据权利要求1所述的一种天气类型分类策略，其特征在于：所述原始光伏输出序列用于反映光伏输出的波动性；所述去趋势序列用于反映瞬时天气条件引起的波动性，通过获取月中波动性最小的光伏出力序列作为对应月份的趋势序列，再对每日的原始光伏出力序列去除所述趋势序列后获得。
3.根据权利要求1所述的一种天气类型分类策略，其特征在于：当所述去趋势序列生成的波动性评分低于阈值则判定当前天气为晴天。
4.根据权利要求3所述的一种天气类型分类策略，其特征在于：当所述去趋势序列生成的波动性评分高于阈值，则通过对原始光伏输出序列采用相同于去趋势序列的处理过程生成的波动性评分进一步进行阈值判断，低于阈值则判定为阴雨天，高于阈值则判断为多云天气。
5.根据权利要求1所
6.根据权利要求5所述的一种天气类型分类策略，其特征在于：
7.根据权利要求6所述的一种天气类型分类策略，其特征在于：
8.一种用于光伏发电功率预测方法，其特征在于：基于权利要求1-7其中任一所述的天气类型分类策略的天气分类结果，使用TCN模型对各个天气类型进行单独建模，预测以过去3个采样日为输入，目标是预测未来1小时内的光伏输出量，并以滚动模式完成全天的预测。
9.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-7任一项所述的一种天气类型分类策略的步骤。
10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，该计算机程序被处理器执行时实现如权利要求1-7任一项所述的一种天气类型分类策略的步骤。
...【技术特征摘要】
1.一种天气类型分类策略，其特征在于：用于光伏发电功率预测，基于待预测区域的历史光伏输出数据，根据近似晴空出力序列以及原始光伏输出序列，获取去趋势序列；由差分序列获取去趋势序列中包含的过程信息，并离散化为字符串，进而生成光伏出力曲线的符号序列及对应的波动性评分，并进行阈值判定以获得天气分类结果。
2.根据权利要求1所述的一种天气类型分类策略，其特征在于：所述原始光伏输出序列用于反映光伏输出的波动性；所述去趋势序列用于反映瞬时天气条件引起的波动性，通过获取月中波动性最小的光伏出力序列作为对应月份的趋势序列，再对每日的原始光伏出力序列去除所述趋势序列后获得。
3.根据权利要求1所述的一种天气类型分类策略，其特征在于：当所述去趋势序列生成的波动性评分低于阈值则判定当前天气为晴天。
4.根据权利要求3所述的一种天气类型分类策略，其特征在于：当所述去趋势序列生成的波动性评分高于阈值，则通过对原始光伏输出序列采用相同于去趋势序列的处理过程生成的波动性评分进一步进行...
【专利技术属性】
技术研发人员：王清凉，周朝晖，韩晔，张慧瑜，陈思宇，范润生，华光辉，曹潇，孔爱良，
申请(专利权)人：国网福建省电力有限公司，
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。