一種光伏電站輻照度預(yù)測(cè)方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種光伏電站輻照度預(yù)測(cè)方法，屬于新能源控制的技術(shù)領(lǐng)域。
【背景技術(shù)】
[0002] 作為衡量光伏發(fā)電量的重要參數(shù)，太陽(yáng)輻照度對(duì)于光伏發(fā)電的規(guī)劃、運(yùn)行與控制 是非常重要的。太陽(yáng)輻照度同時(shí)還是影響光伏發(fā)電功率的主要因素，如果能夠較為準(zhǔn)確地 預(yù)測(cè)太陽(yáng)輻照度，將會(huì)對(duì)并網(wǎng)型光伏電站的發(fā)電功率的預(yù)測(cè)有重要意義，使得光伏發(fā)電商 可以合理安排電站的運(yùn)行計(jì)劃，優(yōu)化電網(wǎng)調(diào)度，從而降低電力系統(tǒng)運(yùn)行成本，保證電網(wǎng)經(jīng)濟(jì) 運(yùn)行。
[0003] 在輻照度預(yù)測(cè)方法上，主要有傳統(tǒng)預(yù)測(cè)方法和新型預(yù)測(cè)方法。其中傳統(tǒng)方法主要 持續(xù)法、回歸預(yù)測(cè)法與時(shí)間序列分析法；新型預(yù)測(cè)方法主要有神經(jīng)網(wǎng)絡(luò)法，專(zhuān)家系統(tǒng)法等； 由于光伏電站中輻照度受云層覆蓋、溫度、氣壓等多種氣象因素的影響，具有很強(qiáng)的隨機(jī) 性，現(xiàn)有技術(shù)的預(yù)測(cè)方法都很難應(yīng)對(duì)不同天氣類(lèi)型下各種影響預(yù)測(cè)因素影響，要實(shí)現(xiàn)精確 的預(yù)測(cè)難度很大。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明的目的在于克服現(xiàn)有技術(shù)的不足，提出了一種光伏電站輻照度預(yù)測(cè)方法， 解決了變電站無(wú)法針對(duì)不同天氣情況進(jìn)行輻照度預(yù)測(cè)的技術(shù)問(wèn)題。
[0005] 本發(fā)明是通過(guò)如下方案予以實(shí)現(xiàn)的：、
[0006] -種光伏電站輻照度預(yù)測(cè)方法，步驟如下：
[0007] 步驟1，獲取光伏電站所在地區(qū)的歷史輻照度數(shù)據(jù)，并代入到所建立的輻照度模型 中，計(jì)算得到光伏發(fā)電站所在地區(qū)的理論輻照度值；根據(jù)理論輻照度值，對(duì)采集的歷史輻照 數(shù)據(jù)進(jìn)行優(yōu)化，進(jìn)而得到輻照度的原始數(shù)據(jù)值Xjt)(i= 1，2,…，m)，其中，m為數(shù)據(jù)集數(shù) 目；
[0008] 步驟2,選取原始數(shù)據(jù)Xi⑴的氣象特征向量Vi，并對(duì)Vi進(jìn)行歸一化處理得到Vlj; 然后根據(jù)不同天氣類(lèi)型的輻照度的差異，根據(jù)標(biāo)準(zhǔn)差建立類(lèi)別目標(biāo)價(jià)值函數(shù)，并結(jié)合歐式 距離將天氣類(lèi)型相同的原始數(shù)據(jù)組成具有高度相似特征的聚類(lèi)數(shù)據(jù)子集，所得到的數(shù)據(jù)子 集作為樣本數(shù)據(jù)；
[0009] 步驟3,建立光伏電站所在地的輻照度預(yù)測(cè)模型，確定該預(yù)測(cè)模型的輸入和輸出參 數(shù)，根據(jù)輸入?yún)?shù)的影響因素不同，對(duì)每個(gè)樣本數(shù)據(jù)設(shè)定權(quán)值，形成新的加權(quán)樣本集；
[0010] 步驟4,選取與待測(cè)天氣類(lèi)型相同的加權(quán)樣本集作為訓(xùn)練樣本集，將所述的訓(xùn)練樣 本集代入到輻照度預(yù)測(cè)模型，進(jìn)而得出待預(yù)測(cè)時(shí)間段內(nèi)天氣的輻照度。
[0011] 進(jìn)一步的，步驟1中所述的輻照度模型為：
[0012]
[0013] 其中，E為地外輻照度值；Esc為太陽(yáng)常數(shù)，取值為1367W/m2;(rQ/r)2為日地距離修 正系數(shù)；σ為太陽(yáng)赤煒角；EtS時(shí)差；Θ為日角；N為積日；ΛΝ為積日的訂正值；Y為年份； INT為取括號(hào)內(nèi)數(shù)字的整數(shù)部分；τ為該點(diǎn)所求時(shí)刻的太陽(yáng)時(shí)角；Sd是該點(diǎn)的地方時(shí)；貨為 該點(diǎn)的地理煒度；γ為該點(diǎn)的地理經(jīng)度；S是該點(diǎn)地方標(biāo)準(zhǔn)時(shí)的小時(shí)數(shù)；F是該點(diǎn)地方標(biāo)準(zhǔn) 時(shí)的分鐘數(shù)。
[0014] 進(jìn)一步的，步驟1中通過(guò)理論輻照度值采集的歷史輻照數(shù)據(jù)進(jìn)行優(yōu)化為：從歷 史輻照度數(shù)據(jù)庫(kù)中選取每日從從早6點(diǎn)到晚6點(diǎn)之間的輻照度數(shù)據(jù)組成連續(xù)的時(shí)間序列 X(t)，若X(t)中的數(shù)據(jù)不滿(mǎn)足0<X(t) <E(t)，即定位該數(shù)據(jù)異常并刪除該數(shù)據(jù)所對(duì)應(yīng)當(dāng) 日的所有數(shù)據(jù)；若X(t)中存在遺失的數(shù)據(jù)，則利用線性差值的算法補(bǔ)全該遺失的數(shù)據(jù)，其 中，E(t)為t時(shí)刻該光伏電站所在地區(qū)的地外輻照度理論值。
[0015] 進(jìn)一步的，步驟2中所述的類(lèi)別目標(biāo)價(jià)值函數(shù)的表達(dá)式δi為：
[0016]
[0017]其中，δi表示第i類(lèi)的標(biāo)準(zhǔn)差，也即為類(lèi)別目標(biāo)價(jià)值函數(shù)值；聚類(lèi)個(gè)數(shù)為k， 則k個(gè)類(lèi)別用1^_ = 1，2,…，k)表示，IT」是類(lèi)別T,中所包含數(shù)據(jù)對(duì)象的個(gè)數(shù)；
J同一類(lèi)別數(shù)據(jù)對(duì)象的質(zhì)心Α表示原始數(shù)據(jù)Xjt)中的氣象 特征向量，d(Vi，c(Tj))表示\^與c(TJ的歐式距離值。
[0018]進(jìn)一步的，步驟2中所述的氣象特征向量1= ;其中，Thl，TH，Tal分別為第i日大氣最高溫度、最低溫度、平均溫度；tH，t2l分別 為第i日最高、最低氣溫出現(xiàn)的時(shí)刻；Hhl，HH，Hal分別為第i日相對(duì)濕度的最高、最低、平均 值；t3l，t4l分別為第i日相對(duì)濕度的最高、最低出現(xiàn)時(shí)刻；Py別為第i日平均氣壓、平 均風(fēng)速。
[0019] 進(jìn)一步的，步驟2中所述的歐式距離表達(dá)式為：
[0020]
[0021] 其中，Va= (val,va2，…，van)，Vb= (vbl,vb2，…vJ，分別表示兩個(gè)氣象特征 向量，η為氣象特征向量的維數(shù)。
[0022] 進(jìn)一步的，步驟3中所述的輸入?yún)?shù)為：從待預(yù)測(cè)日所在數(shù)據(jù)聚類(lèi)中選出前7天同 一時(shí)間段的輻照度均值及方差、前一日該時(shí)間段前后2個(gè)時(shí)間段的均值及方差、前一日的 平均氣壓、平均風(fēng)速、平均氣溫、相對(duì)濕度及當(dāng)天積日共23維變量；所述的輸出參數(shù)為：待 預(yù)測(cè)時(shí)間段內(nèi)天氣的輻照度。
[0023] 進(jìn)一步的，步驟3中采用熵權(quán)法計(jì)算設(shè)定權(quán)值，首先計(jì)算影響因素的熵值為：
[0024] ?=1
[0025] 其中，E,為第j個(gè)影響因素的熵值；Pu為輸入?yún)?shù)的影響因素的出現(xiàn)概率；K= 1/ lnm;m為樣本數(shù)據(jù)數(shù)目；
[0026] 根據(jù)所得的熵值，計(jì)算影響因素的權(quán)值為：
[0027]
[0028] 其中，Dj為第j個(gè)影響因素的權(quán)值；則樣本數(shù)據(jù)的權(quán)值為與其對(duì)應(yīng)的影響因素的 權(quán)值。
[0029] 進(jìn)一步的，所述的步驟4中利用加權(quán)相似度選取與待測(cè)天氣類(lèi)型相同的加權(quán)樣本 集作為訓(xùn)練樣本集，該加權(quán)相似度表達(dá)式如下：
[0030]
：/=1
[0031]其中，D#j個(gè)影響因素的權(quán)值，r。為所述的樣本數(shù)據(jù)，r為將要預(yù)測(cè)時(shí)刻的歸 一化數(shù)據(jù)；η為輸入?yún)?shù)中影響因素的個(gè)數(shù)；
[0032] 將得到相似度λ i按從大到小來(lái)排序，選取排在前面的1個(gè)作為訓(xùn)練樣集。
[0033] 進(jìn)一步的，所述的步驟4中利用支持向量機(jī)建立預(yù)測(cè)模型計(jì)算待預(yù)測(cè)時(shí)間段內(nèi)天 氣的福照度，表達(dá)式如下：
[0034；
i=I
[0035] 其中，給定的訓(xùn)練樣本為：yj(i= 1，2,…1j= 1，2, ···]!)，以為η維 輸入向量，y#R為目標(biāo)輸出，1為訓(xùn)練樣本數(shù)；b為偏置，k(x1+1，x)為核函數(shù)，本文采用高 斯基核函數(shù)
bLagrange乘子。
[0036] 本發(fā)明和現(xiàn)有技術(shù)相比的有益效果是：
[0037] 本發(fā)明提出了一種光伏電站輻照度預(yù)測(cè)方法，選擇若干相關(guān)歷史輻照度數(shù)據(jù)作為 樣本集，利用不同天氣類(lèi)型下氣溫、濕度、風(fēng)速等影響因素對(duì)輻照度的影響，對(duì)樣本數(shù)據(jù)進(jìn) 行聚類(lèi)，將樣本集分為多個(gè)類(lèi)別。選取與待測(cè)天氣相似的類(lèi)別作為訓(xùn)練樣本，代入到預(yù)測(cè)模 型中即可得到預(yù)測(cè)時(shí)間的輻照度。本發(fā)明充分考慮天氣的各種影響因素并分為多種類(lèi)別， 從而能夠更好地?cái)M合預(yù)測(cè)日的天氣情況，實(shí)現(xiàn)更加全面的預(yù)測(cè)，大幅度提高了所預(yù)測(cè)輻照 度的準(zhǔn)確性，對(duì)于控制光伏發(fā)電的發(fā)電量具有指導(dǎo)意義。
[0038] 本發(fā)明考慮到預(yù)測(cè)模型的輸入?yún)?shù)中包含多種影響因素，且不同影響因素與輻照 度相關(guān)程度的不同中，對(duì)不同影響因素賦予不同的熵權(quán)，并對(duì)訓(xùn)練樣本集進(jìn)行加權(quán)處理，然 后利用加權(quán)支持向量機(jī)建立預(yù)測(cè)模型，不僅有效提高了模型訓(xùn)練速度，同時(shí)保證了較高泛 化性能和精確度，具有廣泛的工程應(yīng)用價(jià)值。
【附圖說(shuō)明】
[0039] 圖1是發(fā)明實(shí)施例中一種光伏電站輻照度預(yù)測(cè)方法的流程圖。
【具體實(shí)施方式】
[0040] 下面結(jié)合附圖和實(shí)施例對(duì)本發(fā)明做進(jìn)一步詳細(xì)的說(shuō)明。
[0041] 一種光伏電站輻照度預(yù)測(cè)方法，步驟如下：
[0042]步驟（一）、獲取光伏電站所在地區(qū)的歷史輻照度數(shù)據(jù)，并代入到所建立的輻照度 模型中，計(jì)算得到光伏發(fā)電站所在地區(qū)的理論輻照度值；通過(guò)理論輻照度值采集的歷史輻 照數(shù)據(jù)進(jìn)行優(yōu)化，進(jìn)而得到原始數(shù)據(jù)值& (t)(i= 1，2,…，m)，m為數(shù)據(jù)集數(shù)目，具體方式如 下：
[0043] (1)所建立光伏電站輻照度模型為：
[0044]
[0045] 其中，E為地外輻照度值；ES。為太陽(yáng)常數(shù)，取值為1367W/m2