CN107545327A - 基于支持向量机的光伏发电短期输出功率综合预测方法 - Google Patents

Abstract

本发明属于光伏发电系统功率预测技术领域，尤其涉及一种基于支持向量机的光伏发电短期输出功率综合预测方法。包括考虑太阳能辐射强度、环境温度与风速对光伏发电输出电流的影响，基于数学计算模型预测光伏发电短期输出功率；分析光伏发点输出历史数据库，基于支持向量机预测光伏发电短期输出功率；基于整体方均根误差最小原则建立光伏发电短期输出功率综合预测模型，预测光伏发电短期输出功率。本发明综合了数学计算模型受历史数据影响小而受当前天气数据影响大与最小二乘支持向量机模型受历史数据影响大而受当前数据波动影响小的特点，提高了光伏发电短期输出功率预测的准确性。

Description

基于支持向量机的光伏发电短期输出功率综合预测方法

技术领域

本发明属于光伏发电系统功率预测技术领域，尤其涉及一种基于支持向量机的光伏发电短期输出功率综合预测方法，涉及光伏发电功率的数学模型计算、支持向量机预测模型建模以及综合预测方法分配系数确定。

背景技术

近年来，传统能源的日益枯竭和使用传统能源造成的巨大污染使得提高能源利用效率、加强可再生能源的利用，成为解决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。作为能源最清洁、最高效的利用方式之一，光伏发电技术逐渐得到推广和应用。光伏发电不仅以光伏发电电站的形式存在，更以分布式发电的形式进入社区、企业等近用户侧，实现光伏发电的就地消纳，提高能源利用效率。

随着光伏发电的推广，光伏发电功率的随机性对电网和用户造成了一定的影响，光伏发电输出功率预测技术是减小该影响的重要措施。目前常用的预测方法有直接预测法和间接预测法，而直接预测法的不足是计算模型较为固定，难以满足环境复杂且处于动态变化中的预测需求，间接预测法的不足是对历史数据库要求高，且预测过程脱离实际计算模型，可能出现误差较大的预测点。而大多数预测方法选择的是直接预测法和间接预测法中的一种，没有将两种方法统一起来，发挥各自的优势。

发明内容

本发明针对现有技术中存在的不足之处，提供了一种基于支持向量机的光伏发电短期输出功率综合预测方法，是在直接预测法即光伏发电数学计算模型预测与间接预测法即基于最小二乘向量机的预测模型的基础上，通过分配系数的确定，形成综合预测算法，使光伏发电输出率的整体预测效果得到显著的提高。

为解决上述技术问题本发明是采取以下技术方案实现的：

基于支持向量机的光伏发电短期输出功率综合预测方法，包括以下步骤：

步骤1：考虑太阳能辐射强度、环境温度与风速对光伏发电输出电流的影响，基于数学计算模型预测光伏发电短期输出功率；

步骤2：分析光伏发点输出历史数据库，基于支持向量机预测光伏发电短期输出功率；

步骤3：基于整体方均根误差最小原则建立光伏发电短期输出功率综合预测模型，预测光伏发电短期输出功率。

所述步骤1的具体步骤包括：

(1)接收天气预报系统预测的太阳能辐射强度、环境温度与风速；

(2)根据太阳能辐射强度，环境温度和风速计算出光伏发电装置工作温度；

T_C＝3.12+0.25G+0.899T-1.3W_s+273；

式中，G表示是太阳能辐射强度，W_s表示风速，T表示环境温度；

(3)根据光伏发电装置工作温度计算出光伏发电数学计算模型中的饱和电流：

式中，I_RS是光伏发电单元在一定光强和温度下的反向饱和电流；E_G是半导体禁带宽度；Tc表示电池的工作温度，TR表示民池的参考温度，e为自然指数，q表示电子电荷1.60×10^-19C，K为波兹曼常数1.38×10^-23J/K，A表示理想系数1.92；

(4)根太阳能辐射强度、电池工作温度，计算出光伏发电单元的光生电流；

I_PH＝[I_SC+K₁(T_C-T_R)]G；

式中，I_PH表示光生电流，I_SC表示光伏电池短路电流，G便是太阳能辐射强度，T_c表示电池的工作温度，T_R表示电池的参考温度25℃，K₁为短路电流的温度系数；

(5)根据饱和电流和光生电流计算出光伏发电单元输出电流；

式中，I表示光伏发电单元输出电流，V表示参考电压，T_C表示电池的工作温度，A为二级管理想因子；a和n是雪崩击穿特征常熟；V_BR是雪崩击穿特征电压；k为波尔兹曼常数，k＝1.38×10^-23J/K；R_S和R_SH是太阳能电池元的内部电阻；q为电子电荷量，q＝1.6×10^-19C；

(6)根据光伏发电输出电流，结合光伏发电输出侧的电压参考值，预测目标时刻的光伏发电的输出功率；

所述步骤2的具体步骤包括：

(1)将太阳能辐射强度、环境温度、风速等环境信息做归一化处理；

(2)根据预测对象的特点，找到相似度最高的相似日；

(3)建立支最小二乘持向量机回归模型；

(4)求解支持向量机回归模型，求解预测对象预测数据值。

所述步骤3的具体步骤包括：

(1)引入分配系数，建立综合预测模型：

f₀＝λf₁+(1-λ)f₂；

式中，f₀为综合预测模型预测结果，f₁为数学计算模型预测结果，f₂为支持向量机预测结果，λ为分配系数；

(2)计算综合预测模型的历史预测方均根误差；

(3)求解使历史预测方均根误差最小的分配系数值；

(4)根据(3)中求得的最小分配系数、数学计算模型预测结果与支持向量机预测结果得到，综合预测模型的预测结果。

本发明的优点和积极效果是：

本发明考虑了直接预测法和间接预测法两大类方法综合性强，通过分配系数的动态调整，充分利用两种方法的预测特性，综合了数学计算模型受历史数据影响小而受当前天气数据影响大与支持向量机模型受历史数据影响大而受当前数据波动影响小的特点，显著提高了光伏发电短期输出功率预测的准确性等整体预测效果。使能源紧缺现象得到缓解，并充分有效的将能源利用率得到显著提高，同时又不会对环境造成任何污染。

以下结合附图和具体实施例，对本发明作进一步详细的描述，但不受本实施例所限。

附图说明

图1是本发明的整体流程图；

图2是本发明的光伏发电输出功率的数学计算方法流程图；

图3是本发明的支持向量机预测方法流程图；

图4是本发明的综合预测模型预测方法流程图；

图5是本发明的综合预测模型晴天预测结果图；

图6是本发明的综合预测模型阴天预测结果图；

图7是本发明的综合预测模型雨天预测结果图；

图8是本发明的综合预测模型突变天气预测结果图。

具体实施方式

本发明提供一种基于支持向量机的光伏发电短期输出功率综合预测方法，并以容量为150kW的辽宁省某公司光伏系统为研究对象。为充分体现光伏发电的全日长运行特征，研究时段为06:00-19:00，样本点时间间隔为0.25h。样本数据来源为公司光伏出力历史数据库以及天气预报服务商。采用matlab 2015b建立数学计算模型、SVM预测模型与综合预测模型，对光伏系统在晴天、阴天、雨天分别进行半小时输出功率预测。如图1所示，包括以下步骤：

步骤1：考虑太阳能辐射强度、环境温度与风速对光伏发电输出电流的影响，基于数学计算模型预测光伏发电短期输出功率；

如图2所述步骤1的具体步骤包括：

(1)接收天气预报系统预测的太阳能辐射强度、环境温度与风速。

(2)根据太阳能辐射强度，环境温度和风速计算出光伏发电装置工作温度；

T_C＝3.12+0.25G+0.899T-1.3W_s+273；

式中，G表示是太阳能辐射强度，W_s表示风速，T表示环境温度。

(3)根据光伏发电装置工作温度计算出光伏发电数学计算模型中的饱和电流：

式中，I_RS是光伏发电单元在一定光强和温度下的反向饱和电流；E_G是半导体禁带宽度；Tc表示电池的工作温度，TR表示民池的参考温度，e为自然指数，q表示电子电荷1.60×10^-19C，K为波兹曼常数1.38×10^-23J/K，A表示理想系数1.92。

(4)根太阳能辐射强度、电池工作温度，计算出光伏发电单元的光生电流。

I_PH＝[I_SC+K₁(T_C-T_R)]G；

式中，I_PH表示光生电流，I_SC表示光伏电池短路电流，G便是太阳能辐射强度，T_c表示电池的工作温度，T_R表示电池的参考温度25℃，K₁为短路电流的温度系数。

(5)根据饱和电流和光生电流计算出光伏发电单元输出电流。

式中，I表示光伏发电单元输出电流，V表示参考电压，T_C表示电池的工作温度，A为二级管理想因子；a和n是雪崩击穿特征常熟；V_BR是雪崩击穿特征电压；k为波尔兹曼常数，k＝1.38×10^-23J/K；R_S和R_SH是太阳能电池元的内部电阻；q为电子电荷量，q＝1.6×10^-19C。

(6)根据光伏发电输出电流，结合光伏发电输出侧的电压参考值，预测目标时刻的光伏发电的输出功率。

步骤2：分析光伏发点输出历史数据库，基于支持向量机预测光伏发电短期输出功率；

如图3，所述步骤2的具体步骤包括：

(1)将太阳能辐射强度、环境温度、风速等环境信息做归一化处理；

(2)根据预测对象的特点，找到相似度最高的相似日；

(3)建立支最小二乘持向量机回归模型；

(4)求解支持向量机回归模型，求解预测对象预测数据值。

步骤3：基于整体方均根误差最小原则建立光伏发电短期输出功率综合预测模型，预测光伏发电短期输出功率。

所述步骤3的光伏发电单元调配算法的重构方法，如图4所示，包括以下步骤：

(1)引入分配系数，建立综合预测模型：

f₀＝λf₁+(1-λ)f₂；

式中，f₀为综合预测模型预测结果，f₁为数学计算模型预测结果，f₂为支持向量机预测结果，λ为分配系数。

(2)计算综合预测模型的历史预测方均根误差；

(3)求解使历史预测方均根误差最小的分配系数值；

(4)根据(3)中求得的最小分配系数、数学计算模型预测结果与支持向量机预测结果得到，综合预测模型的预测结果。

本实施例的光伏发电单元调配结果，四种不同天气下不同模型对于光伏输出的预测效果如图5-图8所示。

通过分析可以发现，考虑光伏发电数学计算模型与SVM预测模型的综合预测模型具有更好的预测精确度。特别在应对突变天气预测时，综合预测模型的跟踪能力更强，预测最大绝对误差减小显著。

需要强调的是，本发明所述的实施例是说明性的，而不是限定性的，因此本发明包括并不限于具体实施方式中所述的实施例，凡是由本领域技术人员根据本发明的技术方案得出的其他实施方式，同样属于本发明保护的范围。

Claims (4)

1.基于支持向量机的光伏发电短期输出功率综合预测方法，其特征在于：包括以下步骤：

步骤1：考虑太阳能辐射强度、环境温度与风速对光伏发电输出电流的影响，基于数学计算模型预测光伏发电短期输出功率；

步骤2：分析光伏发点输出历史数据库，基于支持向量机预测光伏发电短期输出功率；

步骤3：基于整体方均根误差最小原则建立光伏发电短期输出功率综合预测模型，预测光伏发电短期输出功率。

2.根据权利要求1所述的基于支持向量机的光伏发电短期输出功率综合预测方法，其特征在于：所述步骤1的具体步骤包括：

(1)接收天气预报系统预测的太阳能辐射强度、环境温度与风速；

(2)根据太阳能辐射强度，环境温度和风速计算出光伏发电装置工作温度；

T_C＝3.12+0.25G+0.899T-1.3W_s+273；

式中，G表示是太阳能辐射强度，W_s表示风速，T表示环境温度；

(3)根据光伏发电装置工作温度计算出光伏发电数学计算模型中的饱和电流：

式中，I_RS是光伏发电单元在一定光强和温度下的反向饱和电流；E_G是半导体禁带宽度；Tc表示电池的工作温度，TR表示民池的参考温度，e为自然指数，q表示电子电荷1.60×10^{- 19}C，K为波兹曼常数1.38×10^-23J/K，A表示理想系数1.92；

(4)根太阳能辐射强度、电池工作温度，计算出光伏发电单元的光生电流；

I_PH＝[I_SC+K₁(T_C-T_R)]G；

式中，I_PH表示光生电流，I_SC表示光伏电池短路电流，G便是太阳能辐射强度，T_c表示电池的工作温度，T_R表示电池的参考温度25℃，K₁为短路电流的温度系数；

(5)根据饱和电流和光生电流计算出光伏发电单元输出电流；

式中，I表示光伏发电单元输出电流，V表示参考电压，T_C表示电池的工作温度，A 为二级管理想因子；a和n是雪崩击穿特征常熟；V_BR是雪崩击穿特征电压；k为波尔兹曼常数，k＝1.38×10^-23J/K；R_S和R_SH是太阳能电池元的内部电阻；q为电子电荷量，q＝1.6×10^-19C；

(6)根据光伏发电输出电流，结合光伏发电输出侧的电压参考值，预测目标时刻的光伏发电的输出功率。

3.根据权利要求1所述的基于支持向量机的光伏发电短期输出功率综合预测方法，其特征在于：所述步骤2的具体步骤包括：

(1)将太阳能辐射强度、环境温度、风速等环境信息做归一化处理；

(2)根据预测对象的特点，找到相似度最高的相似日；

(3)建立支最小二乘持向量机回归模型；

(4)求解支持向量机回归模型，求解预测对象预测数据值。

4.根据权利要求1所述的基于支持向量机的光伏发电短期输出功率综合预测方法，其特征在于：所述步骤3的具体步骤包括：

(1)引入分配系数，建立综合预测模型：

f_o＝λf₁+(1-λ)f₂；

式中，f₀为综合预测模型预测结果，f₁为数学计算模型预测结果，f₂为支持向量机预测结果，λ为分配系数；

(2)计算综合预测模型的历史预测方均根误差；

(3)求解使历史预测方均根误差最小的分配系数值；

(4)根据(3)中求得的最小分配系数、数学计算模型预测结果与支持向量机预测结果得到，综合预测模型的预测结果。