本發(fā)明屬于光伏預(yù)測領(lǐng)域，尤其涉及一種光伏電站超短期輻照度預(yù)測方法及系統(tǒng)。

背景技術(shù)：

太陽能光伏發(fā)電作為太陽能利用中最具實用意義的技術(shù)，已經(jīng)成為世界各國競相研究和應(yīng)用的熱點。但是光伏發(fā)電固有的高度依賴天氣條件，隨機性和波動性大，預(yù)測困難的特點，又限制了光伏發(fā)電的大規(guī)模應(yīng)用。

光伏發(fā)電的輸出功率在很大程度上取決于光伏面板所能接收到的太陽輻射量，容易受到天氣因素的影響。安裝在光伏電站的環(huán)境監(jiān)測儀所測的光伏面板斜面輻照度，無法考慮輻照度的波動性和隨機性，其預(yù)測精度較低，在天氣狀況變化劇烈或者預(yù)測時間尺度較長時預(yù)測效果更差。尤其是現(xiàn)有技術(shù)中基于斜面輻照度測量歷史值預(yù)測未來幾個小時輻照度時，未能反應(yīng)未來幾個小時天氣變化因素，從而導(dǎo)致光伏電站超短期輻照度預(yù)測不準確。

技術(shù)實現(xiàn)要素：

本發(fā)明所要解決的技術(shù)問題是：現(xiàn)有基于斜面輻照度測量歷史值預(yù)測未來幾個小時輻照度時，未能反應(yīng)未來幾個小時天氣變化因素，從而導(dǎo)致光伏電站超短期輻照度預(yù)測不準確。

為解決上面的技術(shù)問題，本發(fā)明提供了一種光伏電站超短期輻照度預(yù)測方法，該方法包括如下步驟：

s1,利用讀取的當(dāng)前時刻t0及其之前某一時間段的光伏電站的實際輻照度數(shù)據(jù)訓(xùn)練支持向量回歸模型，得到訓(xùn)練后的支持向量回歸模型，同時利用訓(xùn)練后的模型對預(yù)測時刻tp的輻照度進行預(yù)測，得到第一預(yù)測輻照度；

s2，讀取預(yù)測時刻tp及tp前后的tp-ts、tp+ts時刻的數(shù)值天氣預(yù)報的第一數(shù)據(jù)、當(dāng)前時刻t0及其之前某一時間段的數(shù)值天氣預(yù)報的第二數(shù)據(jù)，并計算所述第一數(shù)據(jù)與每一時刻的所述第二數(shù)據(jù)的相似度，同時將所述數(shù)值天氣預(yù)報的第二數(shù)據(jù)按照相似度值進行排序，得到數(shù)值天氣預(yù)報的第三數(shù)據(jù)；

s3，讀取與所述第三數(shù)據(jù)中每一時刻相對應(yīng)的光伏電站的實際輻照度和第一預(yù)測輻照度，并分別計算第一數(shù)據(jù)的第二預(yù)測輻照度與實際輻照度的第一方差以及所述第一預(yù)測輻照度與實際輻照度的第二方差，同時利用遺忘因子分別對所述第一方差和所述第二方差進行加權(quán)累計；

s4，根據(jù)加權(quán)累計后得出的第一加權(quán)累計方差和第二加權(quán)累計方差，計算所述第二預(yù)測輻照度所占的第一權(quán)重和所述第一預(yù)測輻照度所占的第二權(quán)重；

s5，根據(jù)所述第一預(yù)測輻照度、所述第二預(yù)測輻照度、第一權(quán)重和第二權(quán)重，計算得到預(yù)測時刻tp的光伏電站超短期預(yù)測輻照度。

本發(fā)明的有益效果：在超短期輻照度預(yù)測上，采用本發(fā)明的方法克服了現(xiàn)有算法僅針對實測輻照度序列進行預(yù)測，對輻照度變化趨勢把握能力差的問題，同時本發(fā)明中以支持向量回歸(svr)模型的預(yù)測輻照度為基礎(chǔ)，結(jié)合數(shù)值天氣預(yù)報提供的趨勢數(shù)據(jù)，發(fā)明了基于相似度和遺忘因子的樣本篩選和輻照度修正算法，采用該算法在預(yù)測中可以明顯地提高預(yù)測精度，同時該算法的計算效率和性能達到了光伏電站15分鐘滾動預(yù)測的要求，完全滿足光伏發(fā)電實時調(diào)度的需要。

進一步地，所述s1中，若讀取的當(dāng)前時刻t0及其之前某一時間段光伏電站實際輻照度數(shù)據(jù)中，存在丟失或者非法數(shù)據(jù)，則使用與丟失或者非法數(shù)據(jù)相鄰的實際輻照度數(shù)據(jù)作為替代數(shù)據(jù)，并利用替代數(shù)據(jù)訓(xùn)練支持向量回歸模型。

上述進一步的有益效果：在存在丟失或者非法數(shù)據(jù)，使用與丟失或者非法數(shù)據(jù)相鄰的實際輻照度數(shù)據(jù)作為替代數(shù)據(jù)，這樣可以使得數(shù)據(jù)緊密，不會出現(xiàn)斷裂的現(xiàn)象，同時也保證了后續(xù)步驟中的預(yù)測精度的提高。

進一步地，所述s1中包括：

s11，讀取當(dāng)前時刻t0及其之前某一時間段的光伏電站的實際輻照度數(shù)據(jù)；

s12，將所述實際輻照度數(shù)據(jù)分成連續(xù)的多組訓(xùn)練樣本數(shù)據(jù)，并利用每組訓(xùn)練樣本數(shù)據(jù)訓(xùn)練支持向量回歸模型；

s13，利用訓(xùn)練后的支持向量回歸模型對預(yù)測時刻tp的輻照度進行預(yù)測，得到第一預(yù)測輻照度。

上述進一步的有益效果：采用將所讀取的數(shù)據(jù)依次分成連續(xù)的多組，這樣的目的可以使得數(shù)據(jù)有層次性，大大減少了數(shù)據(jù)中產(chǎn)生的誤差，可以使得后續(xù)中讀取的數(shù)據(jù)精度大大提高。

進一步地，所述s12中將所讀取的數(shù)據(jù)依次分成連續(xù)的多組訓(xùn)練樣本數(shù)據(jù)，并利用所述每組訓(xùn)練樣本數(shù)據(jù)訓(xùn)練支持向量回歸模型，其中所述每組訓(xùn)練樣本數(shù)據(jù)中m個連續(xù)的實際輻照度數(shù)據(jù)為訓(xùn)練支持向量回歸模型的輸入，而訓(xùn)練支持向量回歸模型的輸出為所述m個連續(xù)的實際輻照度數(shù)據(jù)后續(xù)第wstep的實際輻照度數(shù)據(jù)，其中，m為相空間個數(shù)，wstep為第wstep步預(yù)測步驟(wstep＝1...nts)，nts為預(yù)測步驟，預(yù)測時間長度為tfp，超短期輻照度預(yù)測的時間尺度為ts。

進一步地，該方法在s2與s3之間還包括：將所述第二數(shù)據(jù)按照相似度值進行排序，使用sigmoid函數(shù)計算所述第三數(shù)據(jù)中各時刻的數(shù)據(jù)與所述第一數(shù)據(jù)中預(yù)測時刻tp的數(shù)據(jù)之間的遺忘因子。

上述進一步的有益效果：對相似度進行排序后使用sigmoid函數(shù)計算，可以使得后續(xù)的計算也測精度逐漸提高，并且不會出現(xiàn)數(shù)據(jù)出現(xiàn)遺漏缺失的現(xiàn)象。

進一步地，所述s2中，包括計算所述第一數(shù)據(jù)與所述當(dāng)前時刻t0及其之前某一時間段內(nèi)任一歷史時刻th及前后th-ts、th+ts時刻的數(shù)據(jù)的相似度。

上述進一步的有益效果：選取處于該時間段內(nèi)任一歷史時刻th及前后th-ts、th+ts時刻的數(shù)據(jù)參與相似度和遺忘因子的計算，并非是采用所有的數(shù)據(jù)，這樣間隔地選取數(shù)據(jù)，可以縮小數(shù)據(jù)之間的誤差，大大提高后續(xù)的預(yù)測精度。

進一步地，所述s2中還包括：讀取預(yù)測時刻tp前后的tp-ts、tp+ts時刻的數(shù)值天氣預(yù)報；

所述歷史時刻th及其前后的th-ts、th+ts時刻的第二數(shù)據(jù)分別與預(yù)測時刻tp及預(yù)測時刻tp前后的tp-ts、tp+ts時刻的第一數(shù)據(jù)一一相對應(yīng)，并按照所述數(shù)值天氣預(yù)報中的第一數(shù)據(jù)與第二數(shù)據(jù)進行方差計算，同時將得到的該方差進行加權(quán)累計。

進一步地，所述s4中，根據(jù)以下公式計算第二預(yù)測輻照度所占的第一權(quán)重為：

其中，se2為第一加權(quán)累計方差，se1為第二加權(quán)累計方差。

進一步地，所述s5中，根據(jù)以下公式計算預(yù)測時刻tp的光伏電站超短期預(yù)測輻照度為：

modghi＝weights×gtire+(1.0-weights)×ghisvr

其中，weights為第一權(quán)重，gtire為第二預(yù)測輻照度，ghisvr為第一預(yù)測輻照度。

本發(fā)明還涉及一種光伏電站超短期輻照度預(yù)測系統(tǒng)，該系統(tǒng)包括：訓(xùn)練支持向量回歸模型模塊、相似度計算模塊、方差計算模塊、權(quán)重計算模塊、超短期輻照度預(yù)測模塊；

所述訓(xùn)練支持向量回歸模型模塊，其用于利用讀取的當(dāng)前時刻t0及其之前某一時間段的光伏電站的實際輻照度數(shù)據(jù)訓(xùn)練支持向量回歸模型，得到訓(xùn)練后的支持向量回歸模型，同時利用訓(xùn)練后的模型對預(yù)測時刻tp的輻照度進行預(yù)測，得到第一預(yù)測輻照度；

所述相似度計算模塊，其用于讀取預(yù)測時刻tp的數(shù)值天氣預(yù)報的第一數(shù)據(jù)、當(dāng)前時刻t0及其之前某一時間段的數(shù)值天氣預(yù)報的第二數(shù)據(jù)，并計算所述第一數(shù)據(jù)與每一時刻的所述第二數(shù)據(jù)的相似度，同時將所述數(shù)值天氣預(yù)報的第二數(shù)據(jù)按照相似度值進行排序，得到數(shù)值天氣預(yù)報的第三數(shù)據(jù)；

所述方差計算模塊，其用于讀取與所述第三數(shù)據(jù)中每一時刻相對應(yīng)的光伏電站的實際輻照度和第一預(yù)測輻照度，并分別計算第一數(shù)據(jù)的第二預(yù)測輻照度與實際輻照度的第一方差以及所述第一預(yù)測輻照度與實際輻照度的第二方差，同時利用遺忘因子分別對所述第一方差和所述第二方差進行加權(quán)累計；

所述權(quán)重計算模塊，其用于根據(jù)加權(quán)累計后得出的第一加權(quán)累計方差和第二加權(quán)累計方差，計算所述第二預(yù)測輻照度所占的第一權(quán)重和所述第一預(yù)測輻照度所占的第二權(quán)重；

所述超短期輻照度預(yù)測模塊，其用于根據(jù)所述第一預(yù)測輻照度、所述第二預(yù)測輻照度、第一權(quán)重和第二權(quán)重，計算得到預(yù)測時刻tp的光伏電站超短期預(yù)測輻照度。

本發(fā)明的有益效果：在超短期輻照度預(yù)測上，采用本發(fā)明的方法克服了現(xiàn)有算法僅針對實測輻照度序列進行預(yù)測，對輻照度變化趨勢把握能力差的問題，同時本發(fā)明中以支持向量回歸(svr)模型的預(yù)測輻照度為基礎(chǔ)，結(jié)合數(shù)值天氣預(yù)報提供的趨勢數(shù)據(jù)，發(fā)明了基于相似度和遺忘因子的樣本篩選和輻照度修正算法，采用該算法在預(yù)測中可以明顯地提高預(yù)測精度，同時該算法的計算效率和性能達到了光伏電站15分鐘滾動預(yù)測的要求，完全滿足光伏發(fā)電實時調(diào)度的需要。

附圖說明

圖1為本發(fā)明的一種光伏電站超短期輻照度預(yù)測方法的流程圖；

圖2為本發(fā)明的一種光伏電站超短期輻照度預(yù)測方法的示意圖；

圖3為本發(fā)明的一種光伏電站超短期輻照度預(yù)測系統(tǒng)的示意圖。

具體實施方式

以下結(jié)合附圖對本發(fā)明的原理和特征進行描述，所舉實例只用于解釋本發(fā)明，并非用于限定本發(fā)明的范圍。

實施例1

如圖1和圖2所示，本發(fā)明實施例中的一種光伏電站超短期輻照度預(yù)測方法，該方法包括如下步驟：

s1,利用讀取的當(dāng)前時刻t0及其之前某一時間段的光伏電站的實際輻照度數(shù)據(jù)訓(xùn)練支持向量回歸模型，得到訓(xùn)練后的支持向量回歸模型，同時利用訓(xùn)練后的模型對預(yù)測時刻tp的輻照度進行預(yù)測，得到第一預(yù)測輻照度；

在本實施例1中是先讀取當(dāng)前時刻t0及其之前某一時間段的光伏電站的實際輻照度數(shù)據(jù)，然后將讀取到的這些數(shù)據(jù)訓(xùn)練支持向量回歸模型，得到訓(xùn)練后的支持向量回歸模型，比如：讀取當(dāng)前時刻8:00，以及8:00之前3天的光伏電站的實際輻照度數(shù)據(jù)，將當(dāng)前時刻8:00以及之前3天的時間段的光伏電站的實際輻照度數(shù)據(jù)，訓(xùn)練支持向量回歸(svr)模型，使用新建立的支持向量回歸模型和第一數(shù)據(jù)當(dāng)前時刻8:00以及之前某一時間段的光伏電站實際輻照度數(shù)據(jù)作為輸入，對預(yù)測時刻tp的輻照度進行預(yù)測，比如：對預(yù)測時刻是8:15分鐘的輻照度進行預(yù)測，得到第一預(yù)測輻照度。

s2，讀取預(yù)測時刻tp以及預(yù)測時刻tp前后的tp-ts、tp+ts時刻的數(shù)值天氣預(yù)報的第一數(shù)據(jù)、當(dāng)前時刻t0及其之前某一時間段的數(shù)值天氣預(yù)報的第二數(shù)據(jù)，并計算所述第一數(shù)據(jù)與每一時刻的所述第二數(shù)據(jù)的相似度，同時將所述數(shù)值天氣預(yù)報的第二數(shù)據(jù)按照相似度值進行排序，得到數(shù)值天氣預(yù)報的第三數(shù)據(jù)；在本實施中采用的是最近31天的時間段作為當(dāng)前時刻t0之前某一時間段；

在本實施例1中是先讀取預(yù)測時刻tp以及預(yù)測時刻tp前后的tp-ts、tp+ts時刻的數(shù)值天氣預(yù)報的第一數(shù)據(jù)，比如：對于預(yù)測時刻為8:30分所選擇的數(shù)值天氣預(yù)報的數(shù)據(jù)的時刻為8:15分、8:30分以及8：45分，還讀取當(dāng)前時刻t0及其之前某一時間段的數(shù)值天氣預(yù)報的第二數(shù)據(jù)，比如：讀取當(dāng)前時刻8:00，以及當(dāng)日8:00之前31天這個時間段的數(shù)值天氣預(yù)報的數(shù)據(jù)，讀取完這些數(shù)值天氣預(yù)報的數(shù)據(jù)后，并計算所述第一數(shù)據(jù)與每一時刻的所述第二數(shù)據(jù)的相似度，比如：對預(yù)測時刻是8:30分，選取8:15分、8:30分以及8:45分的數(shù)值天氣預(yù)報的數(shù)據(jù)與當(dāng)前時刻8:00，以及8:00之前31天這個時間段的數(shù)值天氣預(yù)報的數(shù)據(jù)進行一對多的數(shù)據(jù)相似度的計算，例如：8:15分的第一數(shù)據(jù)對應(yīng)前一天9:15分的第二數(shù)據(jù)，8:30分的第一數(shù)據(jù)對應(yīng)前一天9:30分的第二數(shù)據(jù)，8：45分的第一數(shù)據(jù)對應(yīng)前一天9：45分的第二數(shù)據(jù)，分別算8:15分、8:30分和8點45分的對應(yīng)第一數(shù)據(jù)和前一天第二數(shù)據(jù)數(shù)值天氣預(yù)報各氣象要素的方差，將得到各氣象要素的方差進行標準差歸一化處理和加權(quán)處理，再將處理后的8：15分、8:30分和8：45分的數(shù)據(jù)進行累加，得到預(yù)測時刻8:30分第一數(shù)據(jù)與前一天9：30分第二數(shù)據(jù)的相似度。得到相似度后，再將數(shù)值天氣預(yù)報的第二數(shù)據(jù)按照相似度值進行排序，得到數(shù)值天氣預(yù)報的第三數(shù)據(jù)。另外，本實施中選取處于歷史日與預(yù)測時刻前后2小時之內(nèi)的數(shù)值天氣預(yù)報參與相似度和遺忘因子的計算，其它數(shù)值天氣預(yù)報將不參與相似度和遺忘因子的計算。

s3，讀取與所述第三數(shù)據(jù)中每一時刻相對應(yīng)的光伏電站的實際輻照度和第一預(yù)測輻照度，并分別計算第一數(shù)據(jù)的第二預(yù)測輻照度與實際輻照度的第一方差以及所述第一預(yù)測輻照度與實際輻照度的第二方差，同時利用遺忘因子分別對所述第一方差和所述第二方差進行加權(quán)累計；

在本實施例1中是先讀取與排序后的第二數(shù)據(jù)也即是第三數(shù)據(jù)中每一時刻相對應(yīng)的光伏電站的實際輻照度和支持向量回歸模型的預(yù)測輻照度，在讀取完后，再分別計算第一數(shù)據(jù)的預(yù)測輻照度與實際輻照度的方差和支持向量回歸模型的預(yù)測輻照度與實際輻照度的方差，然后在計算得到方差后在采用利用遺忘因子分別對所述第一數(shù)據(jù)的預(yù)測輻照度與實際輻照度的方差和支持向量回歸模型的預(yù)測輻照度與實際輻照度的方差進行加權(quán)累計。

另外，在本實施例1中除了計算輻照度，還包括：環(huán)境溫度、風(fēng)速、濕度、總云量、高云量、中云量、低云量、氣壓和風(fēng)向等氣象要素的方差，并將3個相同氣象要素的方差累加。

s4，根據(jù)加權(quán)累計后得出的第一加權(quán)累計方差和第二加權(quán)累計方差，計算所述第二預(yù)測輻照度所占的第一權(quán)重和所述第一預(yù)測輻照度所占的第二權(quán)重；

在本實施例1中上述步驟s3中進行加權(quán)累計后得到所述第一數(shù)據(jù)的預(yù)測輻照度與實際輻照度的加權(quán)累計方差和支持向量回歸模型的預(yù)測輻照度與實際輻照度的加權(quán)累計方差，根據(jù)得到的加權(quán)累計方差計算第一數(shù)據(jù)的預(yù)測輻照度所占權(quán)重和支持向量回歸模型的預(yù)測輻照度所占權(quán)重。

s5，根據(jù)所述第一預(yù)測輻照度、所述第二預(yù)測輻照度、第一權(quán)重和第二權(quán)重，計算得到預(yù)測時刻tp的光伏電站超短期預(yù)測輻照度。

本實施例中上述步驟s1至s4中計算得到的所述第一數(shù)據(jù)的預(yù)測輻照度、支持向量回歸模型預(yù)測輻照度以及所述第一數(shù)據(jù)的預(yù)測輻照度所占權(quán)重和支持向量回歸模型的預(yù)測輻照度所占權(quán)重，再計算得到預(yù)測時刻tp光伏電站超短期預(yù)測輻照度。

需要說明的是，在本發(fā)明實施例1中該方法是對預(yù)測時間長度為tfp，時間尺度(預(yù)測步長)為ts的超短期輻照度預(yù)測，共分nts步進行預(yù)測，其中對第wstep步(wstep＝1...nts)預(yù)測方法就是上述所說的s1至s5中的步驟。

通過上述的方法在超短期輻照度預(yù)測上，為了克服現(xiàn)有算法僅針對實測輻照度序列進行預(yù)測，對輻照度變化趨勢把握能力差的缺點，以支持向量回歸(svr)模型的預(yù)測輻照度為基礎(chǔ)，結(jié)合數(shù)值天氣預(yù)報提供的趨勢數(shù)據(jù)，發(fā)明了基于相似度和遺忘因子的樣本篩選和輻照度修正算法。實際應(yīng)用表明該算法在超前1小時以后的預(yù)測中可以明顯地提高預(yù)測精度，同時該算法的計算效率和性能達到了光伏電站15分鐘滾動預(yù)測的要求，完全滿足光伏發(fā)電實時調(diào)度的需要。

優(yōu)選地，所述s1中當(dāng)前時刻t0及其之前某一時間段的光伏電站的實際輻照度數(shù)據(jù)包括：若在光伏電站實際輻照度數(shù)據(jù)中，存在丟失或者非法數(shù)據(jù)，則使用與丟失或者非法數(shù)據(jù)相鄰的實際輻照度數(shù)據(jù)作為替代數(shù)據(jù)，將替代數(shù)據(jù)訓(xùn)練支持向量回歸模型。

在本實施例1中將存在丟失或者非法數(shù)據(jù)，使用與丟失或者非法數(shù)據(jù)相鄰的實際輻照度數(shù)據(jù)作為替代數(shù)據(jù)，這樣可以使得數(shù)據(jù)緊密，不會出現(xiàn)斷裂的現(xiàn)象，同時也保證了后續(xù)步驟中的預(yù)測精度的提高。

優(yōu)選地，在本實施例1中上述步驟s1中包括：

s11，讀取當(dāng)前時刻t0及其之前某一時間段的光伏電站的實際輻照度數(shù)據(jù)；

s12，將實際輻照度數(shù)據(jù)分成多組訓(xùn)練樣本數(shù)據(jù)，每組訓(xùn)練樣本輸入為m個連續(xù)的實際輻照度數(shù)據(jù)，訓(xùn)練樣本輸出為所述m個連續(xù)實際輻照度數(shù)據(jù)后續(xù)第wstep個實際輻照度數(shù)據(jù)，其中，m為相空間個數(shù)，可設(shè)定，對預(yù)測時間長度為tfp，時間尺度(預(yù)測步長)為ts的超短期輻照度預(yù)測，共分nts步進行預(yù)測，wstep為第wstep步(wstep＝1...nts)預(yù)測步驟；

s13，利用訓(xùn)練后的支持向量回歸模型對預(yù)測時刻tp的輻照度進行預(yù)測，得到第一預(yù)測輻照度。

在本實施例1中采用將所讀取的數(shù)據(jù)依次分成連續(xù)的多組，這樣的目的可以使得數(shù)據(jù)有層次性，大大減少了數(shù)據(jù)中產(chǎn)生的誤差，可以使得后續(xù)中讀取的數(shù)據(jù)精度大大提高。

優(yōu)選地，本實施例1中還涉及在步驟s12中將所讀取的數(shù)據(jù)依次分成連續(xù)的多組，并利用分組數(shù)據(jù)訓(xùn)練支持向量回歸模型，同時訓(xùn)練支持向量回歸模型的輸出為所述m個連續(xù)實際輻照度數(shù)據(jù)后續(xù)第wstep個實際輻照度數(shù)據(jù)，其中，m為相空間個數(shù)，可設(shè)定，本實施例中，取值為4。

優(yōu)選地，在本實施例1中該方法在s2與s3之間還包括：將所述第二數(shù)據(jù)按照相似度值進行排序，使用sigmoid函數(shù)計算所述第三數(shù)據(jù)中各時刻的數(shù)據(jù)與預(yù)測時刻tp之間的遺忘因子。

在本實施例中對相識度進行排序后可以使得后續(xù)的計算也測精度逐漸提高，并且不會出現(xiàn)數(shù)據(jù)遺漏缺失的現(xiàn)象。其中使用sigmoid函數(shù)作為遺忘函數(shù)，計算遺忘因子w，sigmoid函數(shù)形式如下：

其中，ε為傾斜度，其取值與有效數(shù)值天氣預(yù)報歷史記錄條數(shù)有關(guān)，本實施例取值為0.00807949，i為第三數(shù)據(jù)排序的序號。

優(yōu)選地，在本實施例1中所述s2中，包括計算所述第一數(shù)據(jù)與所述當(dāng)前時刻t0及其之前某一時間段內(nèi)任一歷史時刻th及前后th-ts、th+ts時刻的數(shù)據(jù)的相似度。

優(yōu)選地，對于所述相似度的計算以及所述遺忘因子的計算是在所述當(dāng)前時刻t0及其之前某一時間段的數(shù)值天氣預(yù)報的第二數(shù)據(jù)中，選取處于該時間段內(nèi)任一歷史時刻th及前后th-ts、th+ts時刻的數(shù)據(jù)參與相似度和遺忘因子的計算。

在本發(fā)明實施例1中是選取處于該時間段內(nèi)任一歷史時刻th及前后th-ts、th+ts時刻的數(shù)據(jù)參與相似度和遺忘因子的計算，并非是采用所有的數(shù)據(jù)，這樣間隔地選取數(shù)據(jù)，可以縮小數(shù)據(jù)之間的誤差，大大提高后續(xù)的預(yù)測精度，比如：在上述所說的當(dāng)前時刻8:00之前31天這個時間段，選取的是這個是時間段中的數(shù)據(jù)參與相似度和遺忘因子的計算，比如預(yù)測時刻為8：30分，則選擇的是8:15分、8:30分以及8:45分第一數(shù)據(jù)，計算前一天9:30分這一時刻與預(yù)測時刻的相似度計算方法為：選取前一天9:15分、9:30以及9:45第二數(shù)據(jù)，分別計算第一數(shù)據(jù)8:15分與第二數(shù)據(jù)前天9:15分、第一數(shù)據(jù)8:30分與第二數(shù)據(jù)前天9:30以及第一數(shù)據(jù)8:45分與第二數(shù)據(jù)前天9:45分數(shù)值天氣預(yù)報各氣象要素的方差，將計算的各氣象要素的方差經(jīng)過標準差歸一化處理和加權(quán)處理，再將處理后的各氣象要素數(shù)據(jù)累加，得到第一數(shù)據(jù)預(yù)測時刻8:30分與第二數(shù)據(jù)前一天9:30分的相似度值。

將第二數(shù)據(jù)，按照上述方法分別計算第二數(shù)據(jù)與第一數(shù)據(jù)預(yù)測時刻的相似度，并按照相似度值，將第二數(shù)據(jù)進行排序，得到第三數(shù)據(jù)。將排序的第三數(shù)據(jù)，依次使用sigmoid函數(shù)作為遺忘函數(shù)，計算遺忘因子w，sigmoid函數(shù)形式如下：

其中，ε為傾斜度，其取值與有效數(shù)值天氣預(yù)報歷史記錄條數(shù)有關(guān)，本實施例取值為0.00807949，i為第三數(shù)據(jù)排序的序號。

優(yōu)選地，所述s2中還包括：讀取預(yù)測時刻tp前后的tp-ts、tp+ts時刻的數(shù)值天氣預(yù)報；

所述歷史時刻th及其前后的th-ts、th+ts時刻的第二數(shù)據(jù)分別與預(yù)測時刻tp及預(yù)測時刻tp前后的tp-ts、tp+ts時刻的第一數(shù)據(jù)一一相對應(yīng)，按照數(shù)值天氣預(yù)報各氣象因素計算各氣象因素的方差，并將方差進行加權(quán)累計。

在本實施例1中選取的是讀取預(yù)測時刻tp前后的tp-ts、tp+ts時刻的數(shù)值天氣預(yù)報，比如：預(yù)測時刻是8:30的數(shù)值天氣預(yù)報的數(shù)據(jù)，以及8:15、8:45的數(shù)值天氣預(yù)報的數(shù)據(jù)分別與前天9:15，9:30，9:45這三個時間點的數(shù)據(jù)一一相對應(yīng)，計算方法根據(jù)上述的計算公式進行計算則可以得到。

優(yōu)選地，所述s4中，根據(jù)以下公式計算第二預(yù)測輻照度所占的第一權(quán)重為：

其中，se2為第一加權(quán)累計方差，se1為第二加權(quán)累計方差。

在本實施例中所述s4中計算第一數(shù)據(jù)的預(yù)測輻照度所占權(quán)重為：

其中，se2為支持向量回歸模型的預(yù)測輻照度與實際輻照度的加權(quán)累計方差，se1為數(shù)值天氣預(yù)報的預(yù)測輻照度與實際輻照度的加權(quán)累計方差，weights為預(yù)測時刻tp數(shù)值天氣預(yù)報預(yù)測輻照度所占權(quán)重。

在本實施例1中根據(jù)影響輻照度的不同因素，將累加后的各氣象要素方差進行綜合加權(quán)處理，其中，輻照度的權(quán)重為0.8，溫度的權(quán)重為0.04，風(fēng)速的權(quán)重為0.01、濕度的權(quán)重為0.01、高云量的權(quán)重為0.02、中云量的權(quán)重為0.02、低運量的權(quán)重為0.02、太陽天頂角余弦的權(quán)重為0.04、光伏面板太陽入射角余弦的權(quán)重為0.04。

優(yōu)選地，所述s5中，根據(jù)以下公式計算預(yù)測時刻tp的光伏電站超短期預(yù)測輻照度為：

modghi＝weights×gtire+(1.0-weights)×ghisvr

其中，modghi為預(yù)測時刻tp光伏電站超短期輻照度，weights為第一權(quán)重，gtire為第二預(yù)測輻照度，ghisvr為第一預(yù)測輻照度。

其中，需要解析的是在本實施例1中weights為第一權(quán)重也就是指預(yù)測時刻tp數(shù)值天氣預(yù)報的預(yù)測輻照度所占權(quán)重，gtire為第二預(yù)測輻照度也就是指預(yù)測時刻tp數(shù)值天氣預(yù)報的預(yù)測輻照度，ghisvr為第一預(yù)測輻照度也就是指預(yù)測時刻tp支持向量回歸模型預(yù)測輻照度。

實施例2

如圖3所示的，本實施例2中還涉及一種光伏電站超短期輻照度預(yù)測系統(tǒng)，該系統(tǒng)包括：訓(xùn)練支持向量回歸模型模塊、相似度計算模塊、方差計算模塊、權(quán)重計算模塊、超短期輻照度預(yù)測模塊；

所述訓(xùn)練支持向量回歸模型模塊，其用于利用讀取的當(dāng)前時刻t0及其之前某一時間段的光伏電站的實際輻照度數(shù)據(jù)訓(xùn)練支持向量回歸模型，得到訓(xùn)練后的支持向量回歸模型，同時利用訓(xùn)練后的模型對預(yù)測時刻tp的輻照度進行預(yù)測，得到第一預(yù)測輻照度；

所述相似度計算模塊，其用于讀取預(yù)測時刻tp的數(shù)值天氣預(yù)報的第一數(shù)據(jù)、當(dāng)前時刻t0及其之前某一時間段的數(shù)值天氣預(yù)報的第二數(shù)據(jù)，并計算所述第一數(shù)據(jù)與每一時刻的所述第二數(shù)據(jù)的相似度，同時將所述數(shù)值天氣預(yù)報的第二數(shù)據(jù)按照相似度值進行排序，得到數(shù)值天氣預(yù)報的第三數(shù)據(jù)；

所述方差計算模塊，其用于讀取與所述第三數(shù)據(jù)中每一時刻相對應(yīng)的光伏電站的實際輻照度和第一預(yù)測輻照度，并分別計算第一數(shù)據(jù)的第二預(yù)測輻照度與實際輻照度的第一方差以及所述第一預(yù)測輻照度與實際輻照度的第二方差，同時利用遺忘因子分別對所述第一方差和所述第二方差進行加權(quán)累計；

所述權(quán)重計算模塊，其用于根據(jù)加權(quán)累計后得出的第一加權(quán)累計方差和第二加權(quán)累計方差，計算所述第二預(yù)測輻照度所占的第一權(quán)重和所述第一預(yù)測輻照度所占的第二權(quán)重；

所述超短期輻照度預(yù)測模塊，其用于根據(jù)所述第一預(yù)測輻照度、所述第二預(yù)測輻照度、第一權(quán)重和第二權(quán)重，計算得到預(yù)測時刻tp的光伏電站超短期預(yù)測輻照度。

在本實施例2中該系統(tǒng)引用上面實施例1中的所有提及到的方法的內(nèi)容。

在本說明書中，對上述術(shù)語的示意性表述不必須針對的是相同的實施例或示例。而且，描述的具體特征、結(jié)構(gòu)、材料或者特點可以在任一個或多個實施例或示例中以合適的方式結(jié)合。此外，在不相互矛盾的情況下，本領(lǐng)域的技術(shù)人員可以將本說明書中描述的不同實施例或示例以及不同實施例或示例的特征進行結(jié)合和組合。

以上所述僅為本發(fā)明的較佳實施例，并不用以限制本發(fā)明，凡在本發(fā)明的精神和原則之內(nèi)，所作的任何修改、等同替換、改進等，均應(yīng)包含在本發(fā)明的保護范圍之內(nèi)。