CN104268659B

CN104268659B - 一种光伏电站发电功率超短期预测方法

Info

Publication number: CN104268659B
Application number: CN201410524926.0A
Authority: CN
Inventors: 李科; 张国建; 郭彦飞; 周永华; 郭宇能; 梁进
Original assignee: Nari Technology Co Ltd
Current assignee: Nari Technology Co Ltd
Priority date: 2014-10-09
Filing date: 2014-10-09
Publication date: 2017-12-29
Anticipated expiration: 2034-10-09
Also published as: CN104268659A

Abstract

本发明公开了一种光伏电站发电功率超短期预测方法，包括如下步骤：步骤1：获取光伏电站的历史实测功率数据和短期预测功率数据；步骤2：对所述光伏电站的历史实测功率数据和短期预测功率数据进行数据预处理；步骤3：根据预处理后的光伏电站的历史实测功率数据和短期预测功率数据，利用基于预测时间长度的光伏电站发电功率超短期预测模型得到不同的预测时间长度对应的光伏电站的超短期预测功率；步骤4：根据所获得的光伏电站的超短期预测功率确定光伏电站发电功率超短期预测模型的最佳预测时间长度；步骤5：采用基于最佳预测时间长度的光伏电站发电功率超短期预测模型进行光伏电站的超短期功率预测。提高光伏电站发电功率超短期预测精度。

Description

一种光伏电站发电功率超短期预测方法

技术领域

本发明涉及一种光伏电站发电功率超短期预测方法，属于光伏发电功率预测技术领域。

背景技术

在当今全球化石能源日益紧缺、环境污染日益恶化等压力下，合理开发可再生能源，提高能源的利用率，是解决我国经济和社会快速发展过程中日益凸显的能源需求增长与能源紧缺、能源利用与环境保护之间矛盾的必然选择。太阳能作为一种可再生绿色清洁能源，逐渐受到各国青睐，光伏发电得到快速发展。但由于光伏发电天然具有的间歇性、波动性和周期性等特点，光伏发电并网给整个电网的安全稳定经济运行造成了巨大的影响。因此开展光伏电站发电功率预测技术的研究至关重要，对光伏电站发电功率进行较为准确的预测，一方面有助于电力调度部门提前了解光伏电站发电功率变化，优化调整电网实时调度计划，统筹安排常规能源和光伏发电的协调配合；另一方面有助于电力系统减少旋转备用容量，降低运行成本。

根据分类标准的不同，光伏电站发电功率预测有多种分类方法。按照预测时间尺度的不同，可分为短期预测(预测未来0～72小时或更长时间)、超短期预测(预测未来0～4小时)；按照预测模型对象的不同，可分为基于辐照度预测的间接法、基于功率预测的直接法；按照预测模型原理的不同，可分为统计方法、物理方法、统计与物理相结合的方法。

光伏电站发电功率超短期预测是指对光伏电站未来0～4小时的发电功率进行预测，现有的光伏电站发电功率超短期预测多采用单一数据源、单种预测方法对光伏电站未来0～4小时的发电功率进行预测。也有采用多种预测方法组合预测，但都是将多种预测方法串联，依次对单一数据源进行处理。在实际工程应用中，一旦出现输入数据源暂时中断的情况，就会导致该时刻的预测失败，影响光伏电站发电功率超短期预测精度。由于光伏电站发电功率超短期预测结果直接影响着电网实时调度计划的优化调整，因此亟需开展光伏电站发电功率超短期预测技术的研究，降低光伏发电并网对整个电网的不利影响，提高电力系统中的光伏装机比例。

发明内容

针对上述问题，本发明提供一种光伏电站发电功率超短期预测方法，提高光伏电站发电功率超短期预测精度，为电力调度部门依据光伏电站发电功率超短期预测结果提前了解光伏电站发电功率变化，优化调整电网实时调度计划，统筹安排常规能源和光伏发电的协调配合，减少电力系统旋转备用容量，降低运行成本。

为实现上述技术目的，达到上述技术效果，本发明通过以下技术方案实现：

一种光伏电站发电功率超短期预测方法，其特征在于，包括如下步骤：

步骤1：获取光伏电站的历史实测功率数据和短期预测功率数据；

步骤2：对所述光伏电站的历史实测功率数据和短期预测功率数据进行剔除无效数据的预处理；

步骤3：根据预处理后的光伏电站的历史实测功率数据和短期预测功率数据，利用基于预测时间长度的光伏电站发电功率超短期预测模型得到不同的预测时间长度对应的光伏电站的超短期预测功率；

步骤4：根据所获得的光伏电站的超短期预测功率确定光伏电站发电功率超短期预测模型的最佳预测时间长度；

步骤5：采用基于最佳预测时间长度的光伏电站发电功率超短期预测模型进行光伏电站的超短期功率预测。

光伏电站发电功率超短期预测主要采用数理统计法，对光伏电站所在地环境气象站的历史观测数据和周边气象台站的历史观测数据进行分析，根据实际需要选择逐步回归法、时间序列法、BP神经网络法等方法进行光伏发电预测建模试验，最后选取预测效果最好的一种光伏发电预测模型。

与现有技术相比，本发明的有益效果在于：

1.本发明通过比较不同预测时间长度的光伏电站发电功率超短期预测模型得到的光伏电站超短期预测功率结果，建立基于最佳预测时间长度的光伏电站发电功率超短期预测模型，有效提高了光伏电站发电功率超短期预测的精度。

2.本发明通过对光伏电站光伏发电过程中的超短期功率进行预测，能够为电力调度部门依据光伏电站发电功率超短期预测结果提前了解光伏电站发电功率变化，优化调整电网实时调度计划，统筹安排常规能源和光伏发电的协调配合，减少电力系统旋转备用容量，降低运行成本。

3.本发明采用光伏电站实测功率和短期预测功率作为光伏电站发电功率超短期预测的输入数据源，并对其进行去除无效数据的预处理，利用基于预测时间长度的光伏电站发电功率超短期预测模型得到不同的预测时间长度对应的光伏电站的超短期预测功率，以此建立基于最佳预测时间长度的光伏电站发电功率超短期预测模型，滚动实现发电功率超短期预测，有效提高光伏电站发电功率超短期预测精度，规避数据异常对预测精度的影响，为实现光伏电站发电功率超短期预测提供基础和保障。

本发明的有益效果是：提高光伏电站发电功率超短期预测精度，为电力调度部门依据光伏电站发电功率超短期预测结果提前了解光伏电站发电功率变化，优化调整电网实时调度计划，统筹安排常规能源和光伏发电的协调配合，减少电力系统旋转备用容量，降低运行成本。

附图说明

图1是本发明一种光伏电站发电功率超短期预测方法的总体流程图；

图2是本发明步骤3的流程图；

图3是本发明实施例中光伏电站的超短期预测第1个点的功率与实测功率的对比曲线图；

图4是本发明实施例中光伏电站的超短期预测第16个点的功率与实测功率的对比曲线图。

具体实施方式

下面结合附图和具体的实施例对本发明技术方案作进一步的详细描述，以使本领域的技术人员可以更好的理解本发明并能予以实施，但所举实施例不作为对本发明的限定。

一种光伏电站发电功率超短期预测方法，其总体流程图如图1所示，包括如下步骤：

步骤2：对所述光伏电站的历史实测功率数据和短期预测功率数据进行去除无效数据的预处理；

步骤3：根据预处理后的光伏电站的历史实测功率数据和短期预测功率数据，利用基于预测时间长度的光伏电站发电功率超短期预测模型得到不同的预测时间长度对应的光伏电站的超短期预测功率，优选，不同的预测时间长度包括：4h、5h、6h、7h、8h、9h、10h、11h、12h。

优选，各个步骤的具体内容如下：

步骤1具体包括如下步骤：

步骤1.1：从发报时刻t_i开始向前依次获取光伏电站t_i-1T、t_i-2T、…、t_i-mT时刻对应的实测功率数据F₁、F₂、…、F_m，记历史实测功率数据集合F_s＝{F₁,F₂,…,F_m}；

步骤1.2：从发报时刻t_i开始向前依次获取光伏电站t_i-1T、t_i-2T、…、t_i-mT时刻对应的短期预测功率数据P₁、P₂、…、P_m，记过去时刻短期预测功率数据集合P_s＝{P₁,P₂,…,P_m}；

步骤1.3：从发报时刻t_i开始向后依次获取光伏电站t_i+1T、t_i+2T、…、t_i+kT时刻对应的短期预测功率数据P₁₊、P₂₊、…、P_k+，记未来时刻短期预测功率数据集合P_j+＝{P₁₊,P₂₊,…,P_k+}；

即短期预测功率数据包括P_s和P_j+，其可以通过现有技术获得。其中，i、m、k均为正整数，T为时间分辨率，优选，T是15min或5min，k≥4*60/T。

步骤2具体包括如下步骤：

步骤2.1：对历史实测功率数据集合F_s按以下算法进行数据预处理：

(1)若光伏电站某一时刻的实测功率数据F_s超过光伏电站的装机容量Cap，则令光伏电站该时刻的实测功率数据以装机容量代替，即若F_s>Cap，则令F_s＝Cap，其中，s∈[1,m]，Cap为光伏电站装机容量。

(2)若光伏电站某一时刻的实测功率数据F_s为负数且大于一个设定的负数γ，则令F_s以零代替，即若γ<F_s<0，则令F_s＝0。

(3)若光伏电站某一时刻的实测功率数据F_s小于γ，则认为该时刻的实测功率数据无效，置该时刻的实测功率数据为无效标志数据。

其他情形下，即0≤F_s≤Cap时，F_s是有效数值，其值不改变。

经步骤2.1处理后得到新的集合F′_s＝{F′₁,F′₂,…,F′_m}。

步骤2.2：对过去时刻短期预测功率数据集合P_s按以下算法进行数据预处理：

(1)若光伏电站某一时刻的短期预测功率数据P_s超过光伏电站的装机容量Cap，则令光伏电站该时刻的短期预测功率数据以装机容量代替，即若P_s>Cap，则令P_s＝Cap。

(2)若光伏电站某一时刻的短期预测功率数据为负数，则认为光伏电站该时刻的短期预测功率数据无效，置该时刻的短期预测功率数据为无效标志数据。

其他情形下，即0≤P_s≤Cap时，P_s是有效数值，其值不改变。

经步骤2.2处理后得到新的集合P′_s＝{P′₁,P′₂,…,P′_m}。

步骤2.3：对未来时刻短期预测功率数据集合P_j+按以下算法进行数据预处理：

(1)若光伏电站某一时刻的短期预测功率数据超过光伏电站的装机容量Cap，则令光伏电站该时刻的短期预测功率数据以装机容量代替，即若P_j+>Cap，则令P_j+＝Cap，其中，j∈[1,k]。

(2)若光伏电站某一时刻的短期预测功率数据为负数，则令光伏电站该时刻的短期预测功率数据等于前一时刻的短期预测功率数据代替，即若P_j+<0，则令P_j+＝P_(j-1)+。

其他情形下，即0≤P_j+≤Cap时，P_j+是有效数值，其值不改变。

经步骤2.3处理后得到新的集合P′_J+＝{P′₁₊,P′₂₊,…,P′_k+}。

步骤3具体包括如图2所示的步骤：

步骤3.1：从F′_s和P′_s集合中选取离发报时刻t_i最近的同一时刻数据均有效的实测功率数据和短期预测功率数据，作为计算预报时刻超短期预测功率的基准时刻t_b数据，基准时刻实测功率与短期预测功率的差值采用下述公式计算：

δ(t_i)＝P_b-F_b

其中，δ(t_i)为发报时刻t_i所选取的基准时刻光伏电站的实测功率与短期预测功率的差值，P_b为基准时刻的光伏电站的短期预测功率数据，F_b为基准时刻的光伏电站的实测功率数据。

步骤3.2：设预测时间长度为ρ(单位为小时)，则预报时刻t_j的权重系数采用下述公式计算：

其中，为相对于发报时刻t_i的第j个预报时刻t_j的权重系数，j为正整数，j∈[i+1,i+k]，预测时间长度ρ为正整数，ρ≥4，因为超短期光伏发电功率预测应能够预测未来0～4h的光伏发电功率。

步骤3.3：根据预处理后的短期预测功率数据P′_j+，基于预测时间长度ρ建立预报时刻t_j的光伏电站发电功率超短期预测模型为：

式中，为光伏电站相对于发报时刻t_i的第j个预报时刻的超短期预测功率。

步骤3.4：采用基于预测时间长度的光伏电站发电功率超短期预测模型得到每一种预测时间长度的超短期ρ*60/T个点的预测功率。

步骤4具体包括如下步骤：

步骤4.1：针对每一种预测时间长度，分别计算一段评估时间(不包括光伏电站出力为零的晚间时段)内其光伏电站发电功率超短期预测每个点的均方根误差。

所述光伏电站发电功率超短期预测第j个点的均方根误差采用下述公式计算：

其中，RMSE^j表示每次发报时刻第j个点的均方根误差，n*60/T为评估时间段(不包括光伏电站出力为零的晚间时段)内点的个数，n为小时数，F_i+j为相对于发报时刻t_i的第i+j个点的光伏电站的实测功率。

步骤4.2：分别对每一种预测时间长度的光伏电站发电功率超短期预测前4个小时共4*60/T个点的均方根误差累加求和，当T取15min时，分别对每一种预测时间长度的光伏电站发电功率超短期预测前4个小时共16个点的均方根误差累加求和，即

其中，表示预测时间长度为ρ时，光伏电站发电功率超短期预测前4个小时共16个点的均方根误差之和。

步骤4.3：选择均方根误差之和最小时对应的预测时间长度为最佳预测时间长度。

选择均方根误差之和最小时对应的预测时间长度为最佳预测时间长度，即比较每一种预测时间长度的光伏电站发电功率超短期预测前4个小时共16个点的均方根误差之和选择最小时对应的预测时间长度作为光伏电站发电功率超短期预测模型的最佳预测时间长度，从而得到基于最佳预测时间长度的光伏电站发电功率超短期预测模型。

步骤5：采用得到的基于最佳预测时间长度的光伏电站发电功率超短期预测模型进行光伏电站的超短期功率预测。

下面以具体实施例对本发明作进一步说明。

依据以上具体实施方式，本发明在西藏地区某光伏电站的实际应用案例如下：该光伏电站装机容量Cap为10.0MW，采集2014年5月20日至6月18日共30天的实测功率数据及对应时刻的短期预测功率数据15分钟的平均值作为样本数据，取每日早7:30至晚19:30之间的数据作为有效数据，共1470个；经步骤2数据预处理后剔除无效标志数据，得到新的有效数据，共1421个；从新的有效数据中选择后22天共1078个数据作为选择最佳预测时间长度的训练样本集。给定预测时间长度ρ∈[4,12]，通过步骤4得到最佳预测时间长度ρ为9h，其光伏电站发电功率超短期预测16个点的均方根误差及均方根误差之和如表1所示。

表1 最佳预测时间长度ρ为9h时超短期预测16个点的均方根误差及均方根误差

最佳预测时间长度确定后，以6月19日的有效实测功率数据及对应时刻的有效短期预测功率数据作为验证数据，每15分钟预测一次，每次预测光伏电站未来4小时16个点的超短期功率。图3为本发明优选实施例的光伏电站2014年6月19日的超短期预测第1个点的功率与实测功率的对比曲线图，图4为本发明优选实施例的光伏电站2014年6月19日的超短期预测第16个点的功率与实测功率的对比曲线图。由表1和图3及图4可见，预测模型具有良好的预测精度。方便电力调度部门依据光伏电站发电功率超短期预测结果提前了解光伏电站发电功率变化，优化调整电网实时调度计划，统筹安排常规能源和光伏发电的协调配合，减少电力系统旋转备用容量，降低运行成本。

以上仅为本发明的优选实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或者等效流程变换，或者直接或间接运用在其他相关的技术领域，均同理包括在本发明的专利保护范围内。

Claims

1.一种光伏电站发电功率超短期预测方法，其特征在于，包括如下步骤：

步骤3：根据预处理后的光伏电站的历史实测功率数据和短期预测功率数据，利用基于预测时间长度的光伏电站发电功率超短期预测模型得到不同的预测时间长度对应的光伏电站的超短期预测功率，预测时间长度为ρ，ρ≥4小时；

步骤5：采用基于最佳预测时间长度的光伏电站发电功率超短期预测模型进行光伏电站的超短期功率预测；

步骤1具体包括如下步骤：

其中，i、m、k均为正整数，T为时间分辨率，k≥4*60/T；

步骤2具体包括如下步骤：

(1)若光伏电站某一时刻的实测功率数据F_s超过光伏电站的装机容量Cap，则令某一时刻的实测功率数据F_s＝Cap；其中，s∈[1,m]，Cap为光伏电站装机容量；

(2)若光伏电站某一时刻的实测功率数据F_s为负数且大于一个设定的负数γ，则令某一时刻的实测功率数据F_s＝0；

(3)若光伏电站某一时刻的实测功率数据F_s小于γ，则认为该时刻的实测功率数据无效，置该时刻的实测功率数据为无效标志数据；

经步骤2.1处理后得到新的集合F′_s＝{F′₁,F′₂,…,F′_m}；

(1)若光伏电站某一时刻的短期预测功率数据P_s超过光伏电站的装机容量Cap，则令某一时刻的短期预测功率数据P_s＝Cap；

(2)若光伏电站某一时刻的短期预测功率数据为负数，则认为光伏电站该时刻的短期预测功率数据无效，置该时刻的短期预测功率数据为无效标志数据；

经步骤2.2处理后得到新的集合P′_s＝{P′₁,P′₂,…,P′_m}；

(1)若光伏电站某一时刻的短期预测功率数据超过光伏电站的装机容量Cap，则令某一时刻的短期预测功率数据P_j+＝Cap，其中，j∈[1,k]；

(2)若光伏电站某一时刻的短期预测功率数据为负数，则令光伏电站该时刻的短期预测功率数据等于前一时刻的短期预测功率数据，即令某一时刻的短期预测功率数据P_j+＝P_(j-1)+；

经步骤2.3处理后得到新的集合P′_J+＝{P′₁₊,P′₂₊,…,P′_k+}；

步骤3具体包括如下步骤：

步骤3.1：从F′_s和P′_s集合中选取离发报时刻t_i最近的同一时刻数据均有效的实测功率数据和短期预测功率数据，作为计算预报时刻超短期预测功率的基准时刻t_b数据，得到发报时刻t_i所选取的基准时刻光伏电站的实测功率与短期预测功率的差值δ(t_i)；

步骤3.2：设预测时间长度为ρ，ρ≥4，则预报时刻t_j的权重系数采用下述公式计算：

<mrow> <msubsup> <mi>&lambda;</mi> <mi>i</mi> <mi>j</mi> </msubsup> <mo>=</mo> <mfrac> <mrow> <mi>&rho;</mi> <mfrac> <mn>60</mn> <mi>T</mi> </mfrac> <mo>-</mo> <mfrac> <mrow> <msub> <mi>t</mi> <mi>j</mi> </msub> <mo>-</mo> <msub> <mi>t</mi> <mi>b</mi> </msub> </mrow> <mi>T</mi> </mfrac> </mrow> <mrow> <mi>&rho;</mi> <mfrac> <mn>60</mn> <mi>T</mi> </mfrac> </mrow> </mfrac> <mo>=</mo> <mn>1</mn> <mo>-</mo> <mfrac> <mrow> <msub> <mi>t</mi> <mi>j</mi> </msub> <mo>-</mo> <msub> <mi>t</mi> <mi>b</mi> </msub> </mrow> <mrow> <mn>60</mn> <mi>&rho;</mi> </mrow> </mfrac> </mrow>

其中，为相对于发报时刻t_i的第j个预报时刻t_j的权重系数，j为正整数，j∈[i+1,i+k]；

步骤3.3：基于预测时间长度ρ建立预报时刻t_j的光伏电站发电功率超短期预测模型为：

<mrow> <msubsup> <mi>U</mi> <mi>i</mi> <mi>j</mi> </msubsup> <mo>=</mo> <msubsup> <mi>P</mi> <mrow> <mi>J</mi> <mo>+</mo> </mrow> <mo>&prime;</mo> </msubsup> <mo>-</mo> <msubsup> <mi>&lambda;</mi> <mi>i</mi> <mi>j</mi> </msubsup> <mi>&delta;</mi> <mrow> <mo>(</mo> <msub> <mi>t</mi> <mi>i</mi> </msub> <mo>)</mo> </mrow> </mrow>

式中，为光伏电站相对于发报时刻t_i的第j个预报时刻的超短期预测功率；

步骤3.4：采用基于预测时间长度的光伏电站发电功率超短期预测模型得到每一种预测时间长度的超短期ρ*60/T个点的预测功率；

步骤4具体包括如下步骤：

步骤4.1：针对每一种预测时间长度，分别计算一段评估时间内其光伏电站发电功率超短期预测每个点的均方根误差；

步骤4.2：分别对每一种预测时间长度的光伏电站发电功率超短期预测前4个小时共4*60/T个点的均方根误差累加求和；

2.根据权利要求1所述的一种光伏电站发电功率超短期预测方法，其特征在于，在步骤3中，不同的预测时间长度包括：4h、5h、6h、7h、8h、9h、10h、11h、12h。

3.根据权利要求1所述的一种光伏电站发电功率超短期预测方法，其特征在于：

<mrow> <msup> <mi>RMSE</mi> <mi>j</mi> </msup> <mo>=</mo> <msqrt> <mfrac> <mrow> <munderover> <mo>&Sigma;</mo> <mrow> <mi>i</mi> <mo>=</mo> <mn>1</mn> </mrow> <mrow> <mi>n</mi> <mfrac> <mn>60</mn> <mi>T</mi> </mfrac> </mrow> </munderover> <msup> <mrow> <mo>(</mo> <msubsup> <mi>U</mi> <mi>i</mi> <mi>j</mi> </msubsup> <mo>-</mo> <msub> <mi>F</mi> <mrow> <mi>i</mi> <mo>+</mo> <mi>j</mi> </mrow> </msub> <mo>)</mo> </mrow> <mn>2</mn> </msup> </mrow> <mrow> <mi>n</mi> <mfrac> <mn>60</mn> <mi>T</mi> </mfrac> <mi>C</mi> <mi>a</mi> <mi>p</mi> </mrow> </mfrac> </msqrt> </mrow>

其中，RMSE^j表示每次发报时刻第j个点的均方根误差，n*60/T为评估时间段内点的个数，n为小时数，F_i+j为相对于发报时刻t_i的第i+j个点的光伏电站的实测功率。

4.根据权利要求2-3任意一项所述的一种光伏电站发电功率超短期预测方法，其特征在于，所述T是15min或5min。