CN109978242A - 基于统计升尺度的光伏发电集群功率预测方法及装置 - Google Patents
基于统计升尺度的光伏发电集群功率预测方法及装置 Download PDFInfo
- Publication number
- CN109978242A CN109978242A CN201910183210.1A CN201910183210A CN109978242A CN 109978242 A CN109978242 A CN 109978242A CN 201910183210 A CN201910183210 A CN 201910183210A CN 109978242 A CN109978242 A CN 109978242A
- Authority
- CN
- China
- Prior art keywords
- power
- station
- power generation
- initial data
- cluster
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/06—Electricity, gas or water supply
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Abstract
本发明提供了一种基于统计升尺度的光伏发电集群功率预测方法及装置。该方法包括:获取光伏发电集群中各光伏发电站的原始数据;根据原始数据确定光伏发电站的发电量序列与集群发电量序列的相关系数;选取相关系数满足预设阈值的光伏发电站作为候选电站,在候选电站中,根据原始数据确定代表电站;根据相关系数确定代表电站权重系数;根据原始数据及权重系数,确定光伏发电集群功率预测结果,将功率预测结果应用于母线负荷短期功率预测中。本发明利用已有的集中式光伏电站和数据条件较好的分布式光伏电站的发电和预测电量数据得到集群预测结果,实现了解决大规模分布式发电功率预测,减少人力和计算资源的消耗,提高预报精度,保障电网运行安全。
Description
技术领域
本发明涉及分布式光伏功率集群预测技术领域,尤指一种基于统计升尺度的光伏发电集群功率预测方法及装置。
背景技术
分布式光伏在我国发展迅猛,在区域配电网中的渗透率迅速增加,对地区调度部门常规的日前负荷预测的准确度产生了显著影响。因此,亟需研究接入配电网的分布式光伏发电系统的短期功率预测技术,并将其应用于母线负荷短期功率预测,为接入配电网的分布式光伏发电系统与母线负荷的短期功率预测提供技术支撑。
目前,较为常见的光功率预测系统的预测对象为集中式的地面光伏电站,根据预测的时间尺度可分为短期及超短期光功率预测,主要用于省调制定日前发电计划及满足调频需求;根据预测方法主要分为直接预测和间接预测,直接预测通过利用分布式光伏发电数据及天气预报数据直接对集群的出力进行预测,间接预测方式利用预测水平面总辐照度,根据系统模型计算集群的出力。目前针对分布式光伏功率集群的预测系统还比较少,特别是与母线负荷预测技术相结合的应用在国内鲜有成熟案例。
分布式光伏功率预测的主要问题有:数量庞大、装机容量小,信息采集系统不完善;历史运行数据匮乏、实时信息采集困难;维护水平低,运行可靠性相对较差。因此,由于数据的限制,难以直接采用传统集中式光伏电站功率预测方法对分布式发电集群进行发电功率预测。
发明内容
为了解决目前分布式光伏功率预测技术中存在的问题,本发明实施例提供一种基于统计升尺度的光伏发电集群功率预测方法,所述方法包括:
获取光伏发电集群中各光伏发电站的原始数据;
根据所述原始数据,确定所述光伏发电站的发电量序列与集群发电量序列的相关系数;
选取所述相关系数满足预设阈值的光伏发电站作为候选电站,并在所述候选电站中,根据所述原始数据确定代表电站;
根据所述相关系数确定所述代表电站的权重系数;
根据所述原始数据及所述权重系数,确定所述光伏发电集群的功率预测结果,并将所述功率预测结果应用于母线负荷短期功率预测中。
可选的,在本发明一实施例中,所述获取光伏发电集群中各光伏发电站的原始数据包括:对所述原始数据进行有效性校验,并对有效性校验不通过的原始数据进行修正。
可选的,在本发明一实施例中,所述在所述候选电站中,根据所述原始数据确定代表电站包括:根据所述候选电站的短期预测精度,选取所述短期预测精度满足预设条件的候选电站作为代表电站。
可选的,在本发明一实施例中,所述方法还包括:根据光伏发电站所接入的母线、电压等级及地理范围,确定所述光伏发电集群。
本发明实施例还提供一种基于统计升尺度的光伏发电集群功率预测装置,所述装置包括:
数据获取模块,用于获取光伏发电集群中各光伏发电站的原始数据;
相关系数模块,用于根据所述原始数据,确定所述光伏发电站的发电量序列与集群发电量序列的相关系数;
代表电站模块,用于选取所述相关系数满足预设阈值的光伏发电站作为候选电站,并在所述候选电站中,根据所述原始数据确定代表电站;
权重系数模块,用于根据所述相关系数确定所述代表电站的权重系数;
预测结果模块,用于根据所述原始数据及所述权重系数,确定所述光伏发电集群的功率预测结果,并将所述功率预测结果应用于母线负荷短期功率预测中。
可选的,在本发明一实施例中,所述数据获取模块包括数据修正单元,用于对所述原始数据进行有效性校验,并对有效性校验不通过的原始数据进行修正。
可选的,在本发明一实施例中,所述代表电站模块包括选取单元,用于根据所述候选电站的短期预测精度,选取所述短期预测精度满足预设条件的候选电站作为代表电站。
可选的,在本发明一实施例中,所述装置还包括:发电集群模块,用于根据光伏发电站所接入的母线、电压等级及地理范围,确定所述光伏发电集群。
本发明实施例还提供一种计算机设备,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计算机程序时实现以下步骤:
获取光伏发电集群中各光伏发电站的原始数据;
根据所述原始数据,确定所述光伏发电站的发电量序列与集群发电量序列的相关系数;
选取所述相关系数满足预设阈值的光伏发电站作为候选电站,并在所述候选电站中,根据所述原始数据确定代表电站;
根据所述相关系数确定所述代表电站的权重系数;
根据所述原始数据及所述权重系数,确定所述光伏发电集群的功率预测结果,并将所述功率预测结果应用于母线负荷短期功率预测中。
本发明实施例还提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
获取光伏发电集群中各光伏发电站的原始数据;
根据所述原始数据,确定所述光伏发电站的发电量序列与集群发电量序列的相关系数;
选取所述相关系数满足预设阈值的光伏发电站作为候选电站,并在所述候选电站中,根据所述原始数据确定代表电站;
根据所述相关系数确定所述代表电站的权重系数;
根据所述原始数据及所述权重系数,确定所述光伏发电集群的功率预测结果,并将所述功率预测结果应用于母线负荷短期功率预测中。
本发明利用已有的集中式光伏电站和数据条件较好的分布式光伏电站的发电和预测电量数据得到集群预测结果,实现了解决大规模分布式发电功率预测,减少人力和计算资源的消耗,提高预报精度,保障电网运行安全。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例一种基于统计升尺度的光伏发电集群功率预测方法的流程图;
图2为本发明一具体实施例的光伏发电集群功率预测的流程图;
图3为本发明实施例的相关系数示意图;
图4为本发明实施例的典型日1基于统计升尺度的集群短期预测结果示意图;
图5为本发明实施例的典型日2基于统计升尺度的集群短期预测结果示意图;
图6为本发明实施例的典型日2基于统计升尺度和常规方法的集群短期预测结果示意图;
图7为本发明实施例一种基于统计升尺度的光伏发电集群功率预测装置的结构示意图。
具体实施方式
本发明实施例提供一种基于统计升尺度的光伏发电集群功率预测方法及装置。
面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1所示为本发明实施例一种基于统计升尺度的光伏发电集群功率预测方法的流程图,图中所示方法包括:步骤S1,获取光伏发电集群中各光伏发电站的原始数据;其中,原始数据包括光伏发电站的实测数据及预测数据,具体的,实测数据可以包括例如实际发电量等,预测数据可以包括例如短期预测精度等。
步骤S2,根据所述原始数据,确定所述光伏发电站的发电量序列与集群发电量序列的相关系数。
步骤S3,选取所述相关系数满足预设阈值的光伏发电站作为候选电站,并在所述候选电站中,根据所述原始数据确定代表电站。
步骤S4,根据所述相关系数确定所述代表电站的权重系数。
步骤S5,根据所述原始数据及所述权重系数,确定所述光伏发电集群的功率预测结果,并将所述功率预测结果应用于母线负荷短期功率预测中。
作为本发明的一个实施例,所述获取光伏发电集群中各光伏发电站的原始数据包括:对所述原始数据进行有效性校验,并对有效性校验不通过的原始数据进行修正。
作为本发明的一个实施例,所述在所述候选电站中,根据所述原始数据确定代表电站包括:根据所述候选电站的短期预测精度,选取所述短期预测精度满足预设条件的候选电站作为代表电站。
作为本发明的一个实施例,所述方法还包括:根据光伏发电站所接入的母线、电压等级及地理范围,确定所述光伏发电集群。
在本发明一实施例中,本发明基于统计升尺度技术,借助预测水平相对较高、相关性较强的集中式电站以及部分分布式电站的预测结果,对相邻地区或接入同一母线的光伏发电系统集群进行短期功率预测,减少人力和计算资源的消耗,提高预报精度,保障电网运行安全。该思路分为三步实现:①确定相邻地区或接入同一母线的发电量序列具有强相关性的集中式光伏电站(包括具有完备功率预测功能的分布式光伏电站);②确定各代表光伏电站的权重系数;③对各代表性的光伏电站进行短期功率预测,通过加权求和确定光伏发电集群的功率预测。如图2所示为本发明一具体实施例的光伏发电集群功率预测的流程图,具体流程包括:
(1)划分发电集群。
根据所接入的母线、电压等级、以及所在地理范围,确定发电集群。
(2)对原始数据进行有效性校核。
自动判断风电场异常数据,主要包括四种形式:缺数、死数、错数、校验不通过的数据,同时对异常数据进行自动修正和质量控制。
(3)计算各个光伏电站发电量序列与集群发电量序列的相关度。
相关性系数的计算方法:
式中:RFA为某一光伏发电系统实际的输出功率与片区所有光伏发电系统实际总输出的相关系数;t为时间;n为数据个数;EFt为光伏电站在t时段的发电量;EAt为集群内所有光伏发电系统在t时段的发电量;为某光伏发电系统在时间段内所有实际电量样本的平均值;为在时间段内片区总实际电量样本的平均值。
(4)选取高相关性的光伏电站作为候选电站代表其所在的光伏发电系统。
根据(3)中计算出的RFA值,选取超过某门槛值(如0.90)的电站,作为能够代表所在地区(母线)光伏系统的候选电站。
(5)在候选电站中选取短期预测精度满足要求的光伏电站代表该发电集群。
从(4)中得到的候选电站中,选取满足一定预测精度(如预测误差的方均根小于20%)的光伏电站,作为最终代表该发电集群的电站。
(6)计算集群光伏发电功率短期预测中各代表光伏发电系统的权重系数。
权重系数矩阵表示为:
βF=cbF (2)
式中:c为常数,矩阵bF定义为:
式中:i表示第i个代表光伏发电系统,共具有代表光伏发电系统F个;RF表示光伏发电系统短期功率预测相关系数;符号⊙表示矩阵的哈达码积(Hadamar积)。m×n的矩阵A与m×n矩阵B的哈达码积记为A⊙B,其元素定义为两个矩阵对应元素的乘积{ai,jbi,j}的m×n矩阵。RF的定义如式(1)。
根据上述方法计算权重系数矩阵,为各个代表光伏电站分配不同的权重,则基于统计升尺度方法,分散接入的光伏发电系统集群预测结果可表示为:
PFA=βFPPF+dE=cbFPPF+dE (4)
式中:PFA为分散接入光伏发电系统短期功率预测值的时间序列矩阵;PPF为某个接入母线的光伏电站功率预测值的时间序列矩阵;统计参数c和d为常数;E为单位矩阵。
采用最小二乘法求解上述方程,则c和d表示为:
式中:矩阵EA表示分散接入的光伏发电系统发电量实测值;表示矩阵EA所有元素的平均值;表示矩阵bFEPF所有元素的平均值。
基于统计升尺度方法,片区光伏电站群的功率预测结果,可以用代表光伏电站的历史功率预测结果和片区光伏电站历史发电功率实测值计算获得。
(7)将各片区光伏发电功率预测结果相加,计算出区域光伏发电功率预测值。
分布式光伏电站的出力作为“负负荷”叠加于地区负荷中,影响负荷预测的准确度。通过对片区分布式光伏电站群进行独立的功率预测,再叠加于常规的负荷预测结果(不考虑分布式发电)上,能够有效提高地区的负荷预测精度,有助于更合理地制定地区电力平衡方式、确定机组的启停计划,提高整体社会效益。
在本发明一具体实施例中,本发明方法的流程具体可以包括:
(1)划分发电集群:收集从2017-04-20到2017-09-08,LF地区汇集于220KV变电站Y的光伏集群功率数据。有集中式并网光伏电站2座,历史96点功率预测数据及环境气象数据均能获取;有并网分布式光伏电站423座,其中6座电站的实时功率、预测功率以及电量数据可获取,其他电站只能获取每日电量数据。
(2)对原始数据进行有效性校核:本发明所关注的光伏电站历史数据包括功率和电量两类,对于具备功率采集条件的电站优先使用其功率数据,无功率采集条件的使用电量数据。数据完整性是影响计算的重要因素,下面将数据缺失原因问题分为两类,并采用不同的策略进行补偿:
①场数据缺失。可能原因包括:光伏电站通讯设备异常导致通讯中断,光伏电站网络异常导致通讯中断,光伏电站端采集系统异常导致通讯中断。
补偿方法:用相邻光伏电站发电功率或发电量(标幺值)。
②部分机组数据缺失:原因为光伏单元脱网未带电导致通讯中断。
补偿方法:用场内附近同种发电单元数据平均值替代。
(3)计算所有相近或同一母线下集中式光伏电站发电量序列与分布式集群总发电量序列的相关度:对接入该站的所有集中式光伏电站(以及具备预测和实时功率上传的6座分布式光伏电站)的发电量序列与集群总发电量序列进行相关性分析,相关度在0.8以上的电站共3座,记作系统A1、A2和A3,与光伏发电系统集群的功率相关性系数分别为0.9994、0.9562和0.8730,如图3所示。
(4)选取高相关性的集中式光伏电站作为候选电站代表其所在的光伏发电系统:根据(3)中计算结果,选取相关度大于0.8的场站A1、A2、A3作为代表发电集群的候选电站。
(5)在候选电站中选取短期预测精度满足要求的光伏电站代表该发电集群:进一步分析候选3个站点的功率预测准确率,数据范围时段内,3个站点的短期功率预测准确率平均值分别为91.04%、89.68%和94.27%,短期功率预测相关系数分别为94.21%、95.04%和87.20%,均满足相关标准要求。因此,综合光伏发电集群内3个站点的相关性和准确率分析结果,光伏电站A1、A2、A3均可作为光伏发电集群短期功率预测的代表性电站。
(6)计算集群光伏发电功率短期预测中各代表光伏发电系统的权重系数:根据统计升尺度方法中权重系数的求解方法,以及计算得到的相关系数RFA=0.9994,RF1=0.9421、RF2=0.9504和RF3=0.872。根据权重系数计算公式,可以得到权重矩阵。
(7)将各片区光伏发电功率预测结果相加,计算出区域光伏发电功率预测值:基于选取的基准站的功率预测值和实际出力,可以计算得到基于统计升尺度方法的预测结果,以2017年9月份的典型日为例,通过统计升尺度方法,短期功率预测的准确率分别为94.42%和96.91%,预测结果如图4-图6所示。
分布式光伏电站大规模接入电力系统后,会导致电力系统负荷预测精度降低、实时控制难度增大。针对分布式光伏电站数量大、功率数据收集困难的问题,本发明合理地对大量分布式光伏电站按照地理位置或者接入母线进行集群划分,利用已有的集中式光伏电站和数据条件较好的分布式光伏电站的发电和预测电量数据对光伏发电集群建模并得到集群预测结果,是解决大规模分布式发电功率预测的重要手段。
通过本发明基于统计升尺度的光伏发电集群功率预测方法,利用已有的集中式光伏电站和数据条件较好的分布式光伏电站的发电和预测电量数据得到集群预测结果,实现了解决大规模分布式发电功率预测,减少人力和计算资源的消耗,提高预报精度,保障电网运行安全。
如图7所示为本发明实施例一种基于统计升尺度的光伏发电集群功率预测装置的结构示意图,图中所示装置包括:数据获取模块10,用于获取光伏发电集群中各光伏发电站的原始数据;
相关系数模块20,用于根据所述原始数据,确定所述光伏发电站的发电量序列与集群发电量序列的相关系数;
代表电站模块30,用于选取所述相关系数满足预设阈值的光伏发电站作为候选电站,并在所述候选电站中,根据所述原始数据确定代表电站;
权重系数模块40,用于根据所述相关系数确定所述代表电站的权重系数;
预测结果模块50,用于根据所述原始数据及所述权重系数,确定所述光伏发电集群的功率预测结果,并将所述功率预测结果应用于母线负荷短期功率预测中。
作为本发明的一个实施例,所述数据获取模块包括数据修正单元,用于对所述原始数据进行有效性校验,并对有效性校验不通过的原始数据进行修正。
作为本发明的一个实施例,所述代表电站模块包括选取单元,用于根据所述候选电站的短期预测精度,选取所述短期预测精度满足预设条件的候选电站作为代表电站。
作为本发明的一个实施例,所述装置还包括:发电集群模块,用于根据光伏发电站所接入的母线、电压等级及地理范围,确定所述光伏发电集群。
基于与上述一种基于统计升尺度的光伏发电集群功率预测方法相同的申请构思,本发明还提供了上述一种基于统计升尺度的光伏发电集群功率预测装置。由于该一种基于统计升尺度的光伏发电集群功率预测装置解决问题的原理与一种基于统计升尺度的光伏发电集群功率预测方法相似,因此该一种基于统计升尺度的光伏发电集群功率预测装置的实施可以参见一种基于统计升尺度的光伏发电集群功率预测方法的实施,重复之处不再赘述。
通过本发明基于统计升尺度的光伏发电集群功率预测装置,利用已有的集中式光伏电站和数据条件较好的分布式光伏电站的发电和预测电量数据得到集群预测结果,实现了解决大规模分布式发电功率预测,减少人力和计算资源的消耗,提高预报精度,保障电网运行安全。
本发明实施例还提供一种计算机设备,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计算机程序时实现以下步骤:
获取光伏发电集群中各光伏发电站的原始数据;
根据所述原始数据,确定所述光伏发电站的发电量序列与集群发电量序列的相关系数;
选取所述相关系数满足预设阈值的光伏发电站作为候选电站,并在所述候选电站中,根据所述原始数据确定代表电站;
根据所述相关系数确定所述代表电站的权重系数;
根据所述原始数据及所述权重系数,确定所述光伏发电集群的功率预测结果,并将所述功率预测结果应用于母线负荷短期功率预测中。
本发明实施例还提供一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
获取光伏发电集群中各光伏发电站的原始数据;
根据所述原始数据,确定所述光伏发电站的发电量序列与集群发电量序列的相关系数;
选取所述相关系数满足预设阈值的光伏发电站作为候选电站,并在所述候选电站中,根据所述原始数据确定代表电站;
根据所述相关系数确定所述代表电站的权重系数;
根据所述原始数据及所述权重系数,确定所述光伏发电集群的功率预测结果,并将所述功率预测结果应用于母线负荷短期功率预测中。
基于与上述一种基于统计升尺度的光伏发电集群功率预测方法相同的申请构思,本发明还提供了上述一种计算机设备及一种计算机可读存储介质。由于该一种计算机设备及一种计算机可读存储介质解决问题的原理与一种基于统计升尺度的光伏发电集群功率预测方法相似,因此该一种计算机设备及一种计算机可读存储介质的实施可以参见一种基于统计升尺度的光伏发电集群功率预测方法的实施,重复之处不再赘述。
通过本发明计算机设备及计算机可读存储介质,利用已有的集中式光伏电站和数据条件较好的分布式光伏电站的发电和预测电量数据得到集群预测结果,实现了解决大规模分布式发电功率预测,减少人力和计算资源的消耗,提高预报精度,保障电网运行安全。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分步骤可以通过程序来指令相关的硬件来完成,该程序可以存储于一计算机可读取存储介质中,比如ROM/RAM、磁碟、光盘等。
以上所述的具体实施例,对本发明的目的、技术方案和有益效果进行了进一步详细说明,所应理解的是,以上所述仅为本发明的具体实施例而已,并不用于限定本发明的保护范围,凡在本发明的精神和原则之内,所做的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于统计升尺度的光伏发电集群功率预测方法,其特征在于,所述方法包括:
获取光伏发电集群中各光伏发电站的原始数据;
根据所述原始数据,确定所述光伏发电站的发电量序列与集群发电量序列的相关系数;
选取所述相关系数满足预设阈值的光伏发电站作为候选电站,并在所述候选电站中,根据所述原始数据确定代表电站;
根据所述相关系数确定所述代表电站的权重系数;
根据所述原始数据及所述权重系数,确定所述光伏发电集群的功率预测结果,并将所述功率预测结果应用于母线负荷短期功率预测中。
2.根据权利要求1所述的方法,其特征在于,所述获取光伏发电集群中各光伏发电站的原始数据包括:对所述原始数据进行有效性校验,并对有效性校验不通过的原始数据进行修正。
3.根据权利要求1所述的方法,其特征在于,所述在所述候选电站中,根据所述原始数据确定代表电站包括:根据所述候选电站的短期预测精度,选取所述短期预测精度满足预设条件的候选电站作为代表电站。
4.根据权利要求1所述的方法,其特征在于,所述方法还包括:根据光伏发电站所接入的母线、电压等级及地理范围,确定所述光伏发电集群。
5.一种基于统计升尺度的光伏发电集群功率预测装置,其特征在于,所述装置包括:
数据获取模块,用于获取光伏发电集群中各光伏发电站的原始数据;
相关系数模块,用于根据所述原始数据,确定所述光伏发电站的发电量序列与集群发电量序列的相关系数;
代表电站模块,用于选取所述相关系数满足预设阈值的光伏发电站作为候选电站,并在所述候选电站中,根据所述原始数据确定代表电站;
权重系数模块,用于根据所述相关系数确定所述代表电站的权重系数;
预测结果模块,用于根据所述原始数据及所述权重系数,确定所述光伏发电集群的功率预测结果,并将所述功率预测结果应用于母线负荷短期功率预测中。
6.根据权利要求5所述的装置,其特征在于,所述数据获取模块包括数据修正单元,用于对所述原始数据进行有效性校验,并对有效性校验不通过的原始数据进行修正。
7.根据权利要求5所述的装置,其特征在于,所述代表电站模块包括选取单元,用于根据所述候选电站的短期预测精度,选取所述短期预测精度满足预设条件的候选电站作为代表电站。
8.根据权利要求5所述的装置,其特征在于,所述装置还包括:发电集群模块,用于根据光伏发电站所接入的母线、电压等级及地理范围,确定所述光伏发电集群。
9.一种计算机设备,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计算机程序时实现以下步骤:
获取光伏发电集群中各光伏发电站的原始数据;
根据所述原始数据,确定所述光伏发电站的发电量序列与集群发电量序列的相关系数;
选取所述相关系数满足预设阈值的光伏发电站作为候选电站,并在所述候选电站中,根据所述原始数据确定代表电站;
根据所述相关系数确定所述代表电站的权重系数;
根据所述原始数据及所述权重系数,确定所述光伏发电集群的功率预测结果,并将所述功率预测结果应用于母线负荷短期功率预测中。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现以下步骤:
获取光伏发电集群中各光伏发电站的原始数据;
根据所述原始数据,确定所述光伏发电站的发电量序列与集群发电量序列的相关系数;
选取所述相关系数满足预设阈值的光伏发电站作为候选电站,并在所述候选电站中,根据所述原始数据确定代表电站;
根据所述相关系数确定所述代表电站的权重系数;
根据所述原始数据及所述权重系数,确定所述光伏发电集群的功率预测结果,并将所述功率预测结果应用于母线负荷短期功率预测中。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910183210.1A CN109978242A (zh) | 2019-03-12 | 2019-03-12 | 基于统计升尺度的光伏发电集群功率预测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910183210.1A CN109978242A (zh) | 2019-03-12 | 2019-03-12 | 基于统计升尺度的光伏发电集群功率预测方法及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN109978242A true CN109978242A (zh) | 2019-07-05 |
Family
ID=67078519
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910183210.1A Pending CN109978242A (zh) | 2019-03-12 | 2019-03-12 | 基于统计升尺度的光伏发电集群功率预测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109978242A (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111159902A (zh) * | 2019-12-30 | 2020-05-15 | 清华大学 | 光伏场站功率的确定方法、装置和计算机设备 |
CN111754026A (zh) * | 2020-05-28 | 2020-10-09 | 国网冀北电力有限公司 | 光伏电站群功率预测方法、装置、计算机设备及存储介质 |
CN111784030A (zh) * | 2020-06-12 | 2020-10-16 | 国网冀北电力有限公司电力科学研究院 | 一种基于空间相关性的分布式光伏功率预测方法及装置 |
CN111950811A (zh) * | 2020-08-27 | 2020-11-17 | 国网山东省电力公司聊城供电公司 | 基于双层人工神经网络的区域光伏功率预测方法及系统 |
CN112448390A (zh) * | 2020-11-13 | 2021-03-05 | 梅雪峰 | 一种基于电网结构和气象特征的分布式光伏升尺度虚拟等效电站定义方法 |
CN113159523A (zh) * | 2021-03-30 | 2021-07-23 | 国家电网有限公司 | 基于时域相关性量化分析光伏电站集群效应的方法 |
CN116070728A (zh) * | 2022-10-25 | 2023-05-05 | 国网河北省电力有限公司营销服务中心 | 光伏发电系统发电量预测方法、设备、系统及介质 |
CN116316615A (zh) * | 2023-05-25 | 2023-06-23 | 国网江西省电力有限公司电力科学研究院 | 基于数据增强的分布式光伏群短期功率预测方法及系统 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106447132A (zh) * | 2016-10-26 | 2017-02-22 | 国网浙江省电力公司电力科学研究院 | 一种区域光伏电站群的中长期发电量预测方法 |
-
2019
- 2019-03-12 CN CN201910183210.1A patent/CN109978242A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106447132A (zh) * | 2016-10-26 | 2017-02-22 | 国网浙江省电力公司电力科学研究院 | 一种区域光伏电站群的中长期发电量预测方法 |
Non-Patent Citations (2)
Title |
---|
张小萌 等: "大规模分布式光伏短期集群功率预测综述", 《华北电力技术》 * |
陈颖 等: "光伏电站群区域功率预测的统计升尺度方法", 《可再生能源》 * |
Cited By (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111159902A (zh) * | 2019-12-30 | 2020-05-15 | 清华大学 | 光伏场站功率的确定方法、装置和计算机设备 |
CN111754026A (zh) * | 2020-05-28 | 2020-10-09 | 国网冀北电力有限公司 | 光伏电站群功率预测方法、装置、计算机设备及存储介质 |
CN111754026B (zh) * | 2020-05-28 | 2024-03-15 | 国网冀北电力有限公司 | 光伏电站群功率预测方法、装置、计算机设备及存储介质 |
CN111784030A (zh) * | 2020-06-12 | 2020-10-16 | 国网冀北电力有限公司电力科学研究院 | 一种基于空间相关性的分布式光伏功率预测方法及装置 |
CN111784030B (zh) * | 2020-06-12 | 2023-10-24 | 国网冀北电力有限公司电力科学研究院 | 一种基于空间相关性的分布式光伏功率预测方法及装置 |
CN111950811A (zh) * | 2020-08-27 | 2020-11-17 | 国网山东省电力公司聊城供电公司 | 基于双层人工神经网络的区域光伏功率预测方法及系统 |
CN111950811B (zh) * | 2020-08-27 | 2024-04-09 | 国网山东省电力公司聊城供电公司 | 基于双层人工神经网络的区域光伏功率预测方法及系统 |
CN112448390A (zh) * | 2020-11-13 | 2021-03-05 | 梅雪峰 | 一种基于电网结构和气象特征的分布式光伏升尺度虚拟等效电站定义方法 |
CN113159523A (zh) * | 2021-03-30 | 2021-07-23 | 国家电网有限公司 | 基于时域相关性量化分析光伏电站集群效应的方法 |
CN116070728A (zh) * | 2022-10-25 | 2023-05-05 | 国网河北省电力有限公司营销服务中心 | 光伏发电系统发电量预测方法、设备、系统及介质 |
CN116316615A (zh) * | 2023-05-25 | 2023-06-23 | 国网江西省电力有限公司电力科学研究院 | 基于数据增强的分布式光伏群短期功率预测方法及系统 |
CN116316615B (zh) * | 2023-05-25 | 2023-09-12 | 国网江西省电力有限公司电力科学研究院 | 基于数据增强的分布式光伏群短期功率预测方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109978242A (zh) | 基于统计升尺度的光伏发电集群功率预测方法及装置 | |
Qian et al. | An improved seasonal GM (1, 1) model based on the HP filter for forecasting wind power generation in China | |
Shi et al. | Hybrid forecasting model for very-short term wind power forecasting based on grey relational analysis and wind speed distribution features | |
CN110474339B (zh) | 一种基于深度发电负荷预测的电网无功控制方法 | |
CN102945508B (zh) | 一种基于模型校正的风电功率预测预报方法 | |
CN103778340B (zh) | 大规模新能源发电特性的统计方法 | |
CN107947165A (zh) | 一种面向调节需求的配电网灵活性评价方法 | |
CN107133702B (zh) | 一种风电场全场功率预测方法 | |
Monforti et al. | Comparing the impact of uncertainties on technical and meteorological parameters in wind power time series modelling in the European Union | |
CN113496311A (zh) | 光伏电站发电功率预测方法及系统 | |
CN104537428B (zh) | 一种计及风电接入不确定性的经济运行评估方法 | |
CN111009895B (zh) | 一种微网优化调度方法、系统以及设备 | |
CN110601250B (zh) | 一种基于新能源电站接入点静态电压稳定性评估方法 | |
CN109167387A (zh) | 风场风电功率预测方法 | |
CN112968441B (zh) | 一种应用于大规模风电基地的电网规划方法 | |
CN103345585A (zh) | 基于支持向量机的风功率预测校正方法及系统 | |
CN107403015A (zh) | 一种基于时间序列相似性的短期光功率预测方法 | |
Gao | Application of improved grey theory prediction model in medium-term load forecasting of distribution network | |
CN115481918A (zh) | 一种基于源网荷储的单元状态主动感知及预测分析系统 | |
CN105279582B (zh) | 基于动态相关性特征的超短期风电功率预测方法 | |
CN105701556A (zh) | 一种光伏电站超短时功率预测修正方法 | |
Ding et al. | A dynamic period partition method for time-of-use pricing with high-penetration renewable energy | |
CN115765044B (zh) | 风光水电系统联合运行及风险分析方法和系统 | |
CN108695848A (zh) | 主动配电网运行时序仿真方法 | |
CN110909916B (zh) | 一种基于熵权法的风力发电月度电量区间预测方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20190705 |