CN111191812A - 一种光伏出力预测方法及系统 - Google Patents
一种光伏出力预测方法及系统 Download PDFInfo
- Publication number
- CN111191812A CN111191812A CN201811355981.6A CN201811355981A CN111191812A CN 111191812 A CN111191812 A CN 111191812A CN 201811355981 A CN201811355981 A CN 201811355981A CN 111191812 A CN111191812 A CN 111191812A
- Authority
- CN
- China
- Prior art keywords
- photovoltaic power
- power station
- target
- output data
- adjacent
- 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
- 238000000034 method Methods 0.000 title claims abstract description 31
- 238000010606 normalization Methods 0.000 claims description 16
- 238000012545 processing Methods 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 10
- 238000010586 diagram Methods 0.000 description 8
- 238000004590 computer program Methods 0.000 description 7
- 230000006870 function Effects 0.000 description 5
- 238000003860 storage Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
Images
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
Abstract
本发明涉及一种光伏出力预测方法及系统,获取目标光伏电站及与其相邻的光伏电站的历史出力数据;基于所述历史出力数据,分别计算目标光伏电站及与其相邻光伏电站的相关性系数;基于所述相关性系数获取光伏电站样本的拟合概率集合;根据所述光伏电站样本的拟合概率集合,预测目标光伏电站的出力数据。预测出的光伏出力既考虑了光伏出力的时序性、波动性等指标,也体现了各光伏电站出力在空间上的相关性,提高了光伏出力预测精度。
Description
技术领域
本发明涉及电力系统领域,具体涉及一种光伏出力预测方法及系统。
背景技术
目前,能源资源日趋枯竭和环境污染日益严重已成为政府和公众密切关注的焦点,节约能源、保护环境,推动经济与社会的良性互动与协调,是促进社会可持续发展的迫切需要。在这一形势下,光伏等新能源发电迅速发展。当前,新能源装机规模居世界第一位。但受电源结构、资源分布和电网结构等因素的影响,新能源消纳问题逐年突出。
在新能源消纳能力分析中,光伏出力的正确预测至关重要。当前的光伏时间预测多采用的是基于历史出力的随机方法,仅能考虑本地区的光伏出力的时序性、波动性等指标,而无法体现光伏出力在空间上的相关性。虽然这种方法解决了用于分析计算的新能源时间序列问题,但对于省内多区域、多省区计算所需的具有相关性的光伏出力,尚需继续研究突破。
发明内容
为解决上述现有技术中计算所需的具有相关性的光伏出力的问题,本发明提供一种光伏出力预测方法及系统,预测出的光伏出力既考虑了光伏出力的时序性、波动性等指标,也体现了各光伏电站出力在空间上的相关性,提高了光伏出力预测精度。
本发明的目的是采用下述技术手段实现的:
本发明提一种光伏出力预测方法,其改进之处在于:
获取目标光伏电站及与其相邻的光伏电站的历史出力数据;
基于所述历史出力数据,分别计算目标光伏电站及与其相邻光伏电站的相关性系数;
基于所述相关性系数获取光伏电站样本的拟合概率集合;
根据所述光伏电站样本的拟合概率集合,预测目标光伏电站的出力数据。
进一步地:所述获取目标光伏电站及与其相邻的光伏电站的历史出力数据,包括:
获取目标光伏电站及与其相邻的光伏电站在预设时段内每天从日出至日落时刻之间的历史出力数据。
进一步地:在基于所述历史出力数据,分别计算目标光伏电站及与其相邻光伏电站的相关性系数之前,还包括:
基于目标光伏电站及与其相邻光伏电站的历史出力数据,计算目标光伏电站及与其相邻光伏电站的最大历史出力;
以目标光伏电站及与其相邻的各光伏电站的最大历史出力为基值,对相应光伏电站的历史出力数据进行归一化处理,得到归一化后的目标光伏电站历史出力数据及各相邻光伏电站历史出力数据。
进一步地:基于所述历史出力数据,通过下式分别计算目标光伏电站及与其相邻光伏电站的相关性系数rX,Y:
其中,X表示目标光伏电站历史出力数据,Y表示与目标光伏电站相邻光伏电站的历史出力数据;E(XY)表示变量XY的期望;E(X)表示变量X的期望;E(Y)表示变量Y的期望;E(X2)表示变量X求平方后X2的期望;E2(X)表示变量X期望E(X)的平方;E(Y2)表示变量Y求平方后Y2的期望;E2(Y)表示变量Y期望E(Y)的平方。
进一步地:所述基于所述相关性系数获取光伏电站样本的拟合概率集合,包括:
从各相邻光伏电站相关性系数中选出相关性系数大于预设阈值的相邻光伏电站作为光伏电站样本集合{PSi};
根据{PSi}中各光伏电站样本对应的相关性系数和出力数据,确定相关性系数集合{Covi}和样本出力集合{Pi};
对相关性系数集合{Covi}进行归一化处理,得到归一化后的相关性系数集合{Covpsi}作为光伏电站样本的拟合概率集合;
其中,i表示光伏电站,i=1……m,m为光伏电站样本集合中相邻光伏电站的总数。
进一步地:所述光伏电站样本的拟合概率集合的表达式如下:
{Covpsi}={Covi}/∑{Covi}。
进一步地:在所述从各相邻光伏电站相关性系数中选出相关性系数大于预设阈值的相邻光伏电站作为光伏电站样本集合{PSi}之前,还包括:
计算目标光伏电站与其相邻的各光伏电站的相关性系数之和∑Cov,将相关性系数以∑Cov为基值进行归一化处理,得到归一化后的各相邻光伏电站相关性系数。
进一步地:根据所述光伏电站样本的拟合概率集合,通过下式预测目标光伏电站的出力数据:
其中,Pobji表示目标光伏电站未来光伏出力的预测值,Pi表示样本出力集合{Pi}中的光伏电站样本的出力数据,Covpsi表示拟合概率集合中的光伏电站样本的相关性系数。
本发明还提供一种光伏出力预测系统,其改进之处在于,该系统包括:
第一获取模块,用于获取目标光伏电站及与其相邻的光伏电站的历史出力数据;
计算模块,用于基于所述历史出力数据,分别计算目标光伏电站及与其相邻光伏电站的相关性系数;
第二获取模块,用于基于所述相关性系数获取光伏电站样本的拟合概率集合;
预测模块,用于根据所述光伏电站样本的拟合概率集合,预测目标光伏电站的出力数据。
进一步地,所述第一获取模块,具体用于:
获取目标光伏电站及与其相邻的光伏电站在预设时段内每天从日出至日落时刻之间的历史出力数据。
进一步地,该系统还包括:
最大出力计算模块:用于基于目标光伏电站及与其相邻光伏电站的历史出力数据,计算目标光伏电站及与其相邻光伏电站的最大历史出力;
归一化模块,用于以目标光伏电站及与其相邻的各光伏电站的最大历史出力为基值,对相应光伏电站的历史出力数据进行归一化处理,得到归一化后的目标光伏电站历史出力数据及各相邻光伏电站历史出力数据。
进一步地:所述第二获取模块包括:
选择单元,用于从各相邻光伏电站相关性系数中选出相关性系数大于预设阈值的相邻光伏电站作为光伏电站样本集合{PSi};
确定单元,用于根据{PSi}中各光伏电站样本对应的相关性系数和出力数据,确定相关性系数集合{Covi}和样本出力集合{Pi};
归一化单元,用于对相关性系数集合{Covi}进行归一化处理,得到归一化后的相关性系数集合{Covpsi}作为光伏电站样本的拟合概率集合;
其中,i表示光伏电站,i=1……m,m为光伏电站样本集合中相邻光伏电站的总数。
进一步地:所述预测模块,具体用于按下式预测目标光伏电站的出力数据:
其中,Pobji表示目标光伏电站未来光伏出力的预测值,Pi表示样本出力集合{Pi}中的光伏电站样本的出力数据,Covpsi表示相关性系数集合中的光伏电站样本的相关性系数。
与最接近的现有技术相比,本发明提供的技术方案具有的有益效果是:
本发明提供一种光伏出力预测方法,获取目标光伏电站及与其相邻的光伏电站的历史出力数据;基于所述历史出力数据,分别计算目标光伏电站及与其相邻光伏电站的相关性系数;基于所述相关性系数获取样本光伏电站及拟合概率;根据所述样本光伏电站及拟合概率,预测目标光伏电站的出力数据。预测出的光伏电站出力既考虑了光伏出力的时序性、波动性等指标,也可以用于新能源生产模拟计算,基于空间相关性对光伏发电的出力进行预测,提高预测精度,为电网调度部门制定合理的发电计划提供依据。
本发明提出了拟合概率集合的概念,利用光伏电站间的地理位置相关性提高光伏电站的建模精度。
附图说明
图1是本发明提供的一种光伏出力预测方法的简易流程图;
图2是本发明提供的一种光伏出力预测方法的详细流程图。
具体实施方式
下面结合附图对本发明的具体实施方式作进一步的详细说明。
以下描述和附图充分地示出本发明的具体实施方案,以使本领域的技术人员能够实践它们。其他实施方案可以包括结构的、逻辑的、电气的、过程的以及其他的改变。实施例仅代表可能的变化。除非明确要求,否则单独的组件和功能是可选的,并且操作的顺序可以变化。一些实施方案的部分和特征可以被包括在或替换其他实施方案的部分和特征。本发明的实施方案的范围包括权利要求书的整个范围,以及权利要求书的所有可获得的等同物。在本文中,本发明的这些实施方案可以被单独地或总地用术语“发明”来表示,这仅仅是为了方便,并且如果事实上公开了超过一个的发明,不是要自动地限制该应用的范围为任何单个发明或发明构思。
本发明涉及一种光伏出力预测方法,该方法既考虑了光伏出力的时序性、波动性等指标,也体现了各光伏电站出力在空间上的相关性。
具体包括以下步骤:
获取目标光伏电站及与其相邻的光伏电站的历史出力数据;
基于所述历史出力数据,分别计算目标光伏电站及与其相邻光伏电站的相关性系数;
基于所述相关性系数获取光伏电站样本的拟合概率集合;
根据所述光伏电站样本的拟合概率集合,预测目标光伏电站的出力数据。
进一步地:所述获取目标光伏电站及与其相邻的光伏电站的历史出力数据,包括:
获取目标光伏电站及与其相邻的光伏电站在预设时段内每天从日出至日落时刻之间的历史出力数据。
进一步地:在基于所述历史出力数据,分别计算目标光伏电站及与其相邻光伏电站的相关性系数之前,还包括:
基于目标光伏电站及与其相邻光伏电站的历史出力数据,计算目标光伏电站及与其相邻光伏电站的最大历史出力;
以目标光伏电站及与其相邻的各光伏电站的最大历史出力为基值,对相应光伏电站的历史出力数据进行归一化处理,得到归一化后的目标光伏电站历史出力数据及各相邻光伏电站历史出力数据。
进一步地:基于所述历史出力数据,通过下式分别计算目标光伏电站及与其相邻光伏电站的相关性系数rX,Y:
其中,X表示目标光伏电站历史出力数据,Y表示与目标光伏电站相邻光伏电站的历史出力数据;E(XY)表示变量XY的期望;E(X)表示变量X的期望;E(Y)表示变量Y的期望;E(X2)表示变量X求平方后X2的期望;E2(X)表示变量X期望E(X)的平方;E(Y2)表示变量Y求平方后Y2的期望;E2(Y)表示变量Y期望E(Y)的平方。
进一步地:所述基于所述相关性系数获取光伏电站样本的拟合概率集合,包括:
从各相邻光伏电站相关性系数中选出相关性系数大于预设阈值的相邻光伏电站作为光伏电站样本集合{PSi};
根据{PSi}中各光伏电站样本对应的相关性系数和出力数据,确定相关性系数集合{Covi}和样本出力集合{Pi};
对相关性系数集合{Covi}进行归一化处理,得到归一化后的相关性系数集合{Covpsi}作为光伏电站样本的拟合概率集合;
其中,i表示光伏电站,i=1……m,m为光伏电站样本集合中相邻光伏电站的总数。
进一步地:所述光伏电站样本的拟合概率集合的表达式如下:
{Covpsi}={Covi}/∑{Covi}。
进一步地:在所述从各相邻光伏电站相关性系数中选出相关性系数大于预设阈值的相邻光伏电站作为光伏电站样本集合{PSi}之前,还包括:
计算目标光伏电站与其相邻的各光伏电站的相关性系数之和∑Cov,将相关性系数以∑Cov为基值进行归一化处理,得到归一化后的各相邻光伏电站相关性系数。
进一步地:根据所述光伏电站样本的拟合概率集合,通过下式预测目标光伏电站的出力数据:
其中,Pobji表示目标光伏电站未来光伏出力的预测值,Pi表示样本出力集合{Pi}中的光伏
电站样本的出力数据,Covpsi表示拟合概率集合中的光伏电站样本的相关性系数。
下面结合考虑空间相关性的光伏出力预测方法(附图2),对本发明的具体实施流程进行描述。
获取目标光伏电站及与其相邻的光伏电站的历史出力数据,包括下述步骤:
步骤1-1:获取目标光伏电站PSobj及其相邻的n个光伏电站近几年历史风电出力数据,时间分辨率为15min或者1h。
步骤1-2:因光伏出力的特殊性,只截取每个光伏电站日出ton与日落toff时刻之间的出力曲线进行分析即可,截取后的光伏出力计为处理后曲线(目标光伏电站与相邻的光伏电站日出与日落时刻相同)。
步骤1-3:计算每个光伏电站的最大历史出力,将光伏出力的处理后曲线以各自的最大历史出力为基值进行归一化处理,得到归一化后的目标光伏电站PSobj历史出力数据及n个相邻光伏电站历史出力数据。
基于所述历史出力数据,分别计算目标光伏电站及与其相邻光伏电站的相关性系数,包括:
步骤2-1:根据光伏电站历史出力数据,计算目标光伏电站PSobj与其相邻各光伏电站的相关性系数。本专利采用Pearson相关系数来描述光伏电站之间的相关性,计算公式如下:
其中,rX,Y表示X、Y两变量的Pearson相关系数;cov(·,·)表示两变量的协方差;E(·)表示变量的期望;σX、σY分别表示变量X和Y的标准差。
步骤2-2:计算目标光伏电站与其相邻各光伏电站的相关性系数之和∑Cov,将相关性系数以∑Cov为基值进行归一化处理,得到归一化后的n个光伏电站相关性系数。
基于所述相关性系数获取光伏电站样本的拟合概率集合,包括:
步骤3-1:对归一化后的光伏电站相关性系数进行由大到小的排序,选出与目标光伏电站相关性系数大于0.6的m个相邻光伏电站(相关性系数大于0.6,说明光伏电站之间具有中等以上的相关性),作为光伏电站样本集合,记为{PSi(i=1……m)}。相应的相关性系数集合记为{Covi(i=1……m)},待求日期的样本出力集合记为{Pi(i=1……m)}。
步骤3-2:按照步骤2-2的方法,对相关性系数集合{Covi(i=1……m)}进行归一化处理,得到归一化后的集合{Covpsi(i=1……m)},作为样本光伏电站拟合概率集合。
根据所述光伏电站样本的拟合概率集合,预测目标光伏电站的出力数据,包括:
步骤4-2:将日出之前及日落之后的光伏出力曲线用0填充,预测目标光伏电站的出力曲线。预测出力后,得到预测出力曲线后,曲线中出力值所对应的时间即为光伏出力时间序列。
实施例二、
基于同样的发明构思,本发明还提供一种光伏出力预测系统,其改进之处在于:
第一获取模块,用于获取目标光伏电站及与其相邻的光伏电站的历史出力数据;
计算模块,用于基于所述历史出力数据,分别计算目标光伏电站及与其相邻光伏电站的相关性系数;
第二获取模块,用于基于所述相关性系数获取光伏电站样本的拟合概率集合;
预测模块,用于根据所述光伏电站样本的拟合概率集合,预测目标光伏电站的出力数据。
进一步地,所述第一获取模块,具体用于:
获取目标光伏电站及与其相邻的光伏电站在预设时段内每天从日出至日落时刻之间的历史出力数据。
进一步地,该系统还包括:
最大出力计算模块:用于基于目标光伏电站及与其相邻光伏电站的历史出力数据,计算目标光伏电站及与其相邻光伏电站的最大历史出力;
归一化模块,用于以目标光伏电站及与其相邻的各光伏电站的最大历史出力为基值,对相应光伏电站的历史出力数据进行归一化处理,得到归一化后的目标光伏电站历史出力数据及各相邻光伏电站历史出力数据。
进一步地:所述第二获取模块包括:
选择单元,用于从各相邻光伏电站相关性系数中选出相关性系数大于预设阈值的相邻光伏电站作为光伏电站样本集合{PSi};
确定单元,用于根据{PSi}中各光伏电站样本对应的相关性系数和出力数据,确定相关性系数集合{Covi}和样本出力集合{Pi};
归一化单元,用于对相关性系数集合{Covi}进行归一化处理,得到归一化后的相关性系数集合{Covpsi}作为光伏电站样本的拟合概率集合;
其中,i表示光伏电站,i=1……m,m为光伏电站样本集合中相邻光伏电站的总数。
进一步地:所述预测模块,具体用于按下式预测目标光伏电站的出力数据:
其中,Pobji表示目标光伏电站未来光伏出力的预测值,Pi表示样本出力集合{Pi}中的光伏电站样本的出力数据,Covpsi表示拟合概率集合中的光伏电站样本的相关性系数。
本领域内的技术人员应明白,本申请的实施例可提供为方法、系统、或计算机程序产品。因此,本申请可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本申请可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本申请是参照根据本申请实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
以上实施例仅用以说明本发明的技术方案而非对其限制,尽管参照上述实施例对本发明进行了详细的说明,所属领域的普通技术人员依然可以对本发明的具体实施方式进行修改或者等同替换,这些未脱离本发明精神和范围的任何修改或者等同替换,均在申请待批的本发明的权利要求保护范围之内。
Claims (13)
1.一种光伏出力预测方法,其特征在于:
获取目标光伏电站及与其相邻的光伏电站的历史出力数据;
基于所述历史出力数据,分别计算目标光伏电站及与其相邻光伏电站的相关性系数;
基于所述相关性系数获取光伏电站样本的拟合概率集合;
根据所述光伏电站样本的拟合概率集合,预测目标光伏电站的出力数据。
2.如权利要求1所述的光伏出力预测方法,其特征在于:所述获取目标光伏电站及与其相邻的光伏电站的历史出力数据,包括:
获取目标光伏电站及与其相邻的光伏电站在预设时段内每天从日出至日落时刻之间的历史出力数据。
3.如权利要求1所述的光伏出力预测方法,其特征在于:在基于所述历史出力数据,分别计算目标光伏电站及与其相邻光伏电站的相关性系数之前,还包括:
基于目标光伏电站及与其相邻光伏电站的历史出力数据,计算目标光伏电站及与其相邻光伏电站的最大历史出力;
以目标光伏电站及与其相邻的各光伏电站的最大历史出力为基值,对相应光伏电站的历史出力数据进行归一化处理,得到归一化后的目标光伏电站历史出力数据及各相邻光伏电站历史出力数据。
5.如权利要求1所述的光伏出力预测方法,其特征在于:所述基于所述相关性系数获取光伏电站样本的拟合概率集合,包括:
从各相邻光伏电站相关性系数中选出相关性系数大于预设阈值的相邻光伏电站作为光伏电站样本集合{PSi};
根据{PSi}中各光伏电站样本对应的相关性系数和出力数据,确定相关性系数集合{Covi}和样本出力集合{Pi};
对相关性系数集合{Covi}进行归一化处理,得到归一化后的相关性系数集合{Covpsi}作为光伏电站样本的拟合概率集合;
其中,i表示光伏电站,i=1……m,m为光伏电站样本集合中相邻光伏电站的总数。
6.如权利要求5所述的光伏出力预测方法,其特征在于:所述光伏电站样本的拟合概率集合的表达式如下:
{Covpsi}={Covi}/∑{Covi}。
7.如权利要求5所述的光伏出力预测方法,其特征在于:在所述从各相邻光伏电站相关性系数中选出相关性系数大于预设阈值的相邻光伏电站作为光伏电站样本集合{PSi}之前,还包括:
计算目标光伏电站与其相邻的各光伏电站的相关性系数之和∑Cov,将相关性系数以∑Cov为基值进行归一化处理,得到归一化后的各相邻光伏电站相关性系数。
9.一种光伏出力预测系统,其特征在于,该系统包括:
第一获取模块,用于获取目标光伏电站及与其相邻的光伏电站的历史出力数据;
计算模块,用于基于所述历史出力数据,分别计算目标光伏电站及与其相邻光伏电站的相关性系数;
第二获取模块,用于基于所述相关性系数获取光伏电站样本的拟合概率集合;
预测模块,用于根据所述光伏电站样本的拟合概率集合,预测目标光伏电站的出力数据。
10.如权利要求9所述的光伏出力预测系统,其特征在于,所述第一获取模块,具体用于:
获取目标光伏电站及与其相邻的光伏电站在预设时段内每天从日出至日落时刻之间的历史出力数据。
11.如权利要求9所述的光伏出力预测系统,其特征在于,该系统还包括:
最大出力计算模块:用于基于目标光伏电站及与其相邻光伏电站的历史出力数据,计算目标光伏电站及与其相邻光伏电站的最大历史出力;
归一化模块,用于以目标光伏电站及与其相邻的各光伏电站的最大历史出力为基值,对相应光伏电站的历史出力数据进行归一化处理,得到归一化后的目标光伏电站历史出力数据及各相邻光伏电站历史出力数据。
12.如权利要求9所述的光伏出力预测系统,其特征在于:所述第二获取模块包括:
选择单元,用于从各相邻光伏电站相关性系数中选出相关性系数大于预设阈值的相邻光伏电站作为光伏电站样本集合{PSi};
确定单元,用于根据{PSi}中各光伏电站样本对应的相关性系数和出力数据,确定相关性系数集合{Covi}和样本出力集合{Pi};
归一化单元,用于对相关性系数集合{Covi}进行归一化处理,得到归一化后的相关性系数集合{Covpsi}作为光伏电站样本的拟合概率集合;
其中,i表示光伏电站,i=1……m,m为光伏电站样本集合中相邻光伏电站的总数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811355981.6A CN111191812A (zh) | 2018-11-15 | 2018-11-15 | 一种光伏出力预测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811355981.6A CN111191812A (zh) | 2018-11-15 | 2018-11-15 | 一种光伏出力预测方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111191812A true CN111191812A (zh) | 2020-05-22 |
Family
ID=70707018
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811355981.6A Pending CN111191812A (zh) | 2018-11-15 | 2018-11-15 | 一种光伏出力预测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111191812A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111767274A (zh) * | 2020-06-23 | 2020-10-13 | 合肥阳光新能源科技有限公司 | 光伏电站发电时长计算方法和系统 |
CN112003274A (zh) * | 2020-08-13 | 2020-11-27 | 国网江苏省电力有限公司无锡供电分公司 | 一种光伏出力预测方法及系统 |
CN112348268A (zh) * | 2020-11-11 | 2021-02-09 | 山东电力研究院 | 基于煤量数据实时评估火电机组最大出力的方法及系统 |
CN116667330A (zh) * | 2023-05-30 | 2023-08-29 | 安徽固太新能源有限公司 | 光伏出力的预测方法及其装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106126934A (zh) * | 2016-06-24 | 2016-11-16 | 中国电力科学研究院 | 一种光伏发电相关性指标获取方法 |
CN106779223A (zh) * | 2016-12-21 | 2017-05-31 | 创维互联(北京)新能源科技有限公司 | 一种光伏系统发电功率实时预测方法及装置 |
CN107368933A (zh) * | 2017-08-29 | 2017-11-21 | 集美大学 | 一种基于适配度及相关系数拟合的光伏功率预测方法 |
CN107516145A (zh) * | 2017-07-27 | 2017-12-26 | 浙江工业大学 | 一种基于加权欧氏距离模式分类的多通道光伏出力预测方法 |
CN108335010A (zh) * | 2017-12-18 | 2018-07-27 | 中国电力科学研究院有限公司 | 一种风电出力时间序列建模方法及系统 |
-
2018
- 2018-11-15 CN CN201811355981.6A patent/CN111191812A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106126934A (zh) * | 2016-06-24 | 2016-11-16 | 中国电力科学研究院 | 一种光伏发电相关性指标获取方法 |
CN106779223A (zh) * | 2016-12-21 | 2017-05-31 | 创维互联(北京)新能源科技有限公司 | 一种光伏系统发电功率实时预测方法及装置 |
CN107516145A (zh) * | 2017-07-27 | 2017-12-26 | 浙江工业大学 | 一种基于加权欧氏距离模式分类的多通道光伏出力预测方法 |
CN107368933A (zh) * | 2017-08-29 | 2017-11-21 | 集美大学 | 一种基于适配度及相关系数拟合的光伏功率预测方法 |
CN108335010A (zh) * | 2017-12-18 | 2018-07-27 | 中国电力科学研究院有限公司 | 一种风电出力时间序列建模方法及系统 |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111767274A (zh) * | 2020-06-23 | 2020-10-13 | 合肥阳光新能源科技有限公司 | 光伏电站发电时长计算方法和系统 |
CN112003274A (zh) * | 2020-08-13 | 2020-11-27 | 国网江苏省电力有限公司无锡供电分公司 | 一种光伏出力预测方法及系统 |
CN112003274B (zh) * | 2020-08-13 | 2022-07-22 | 国网江苏省电力有限公司无锡供电分公司 | 一种光伏出力预测方法及系统 |
CN112348268A (zh) * | 2020-11-11 | 2021-02-09 | 山东电力研究院 | 基于煤量数据实时评估火电机组最大出力的方法及系统 |
CN112348268B (zh) * | 2020-11-11 | 2023-05-02 | 国网山东省电力公司电力科学研究院 | 基于煤量数据实时评估火电机组最大出力的方法及系统 |
CN116667330A (zh) * | 2023-05-30 | 2023-08-29 | 安徽固太新能源有限公司 | 光伏出力的预测方法及其装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Yu et al. | An LSTM short-term solar irradiance forecasting under complicated weather conditions | |
Huang et al. | Multiple-input deep convolutional neural network model for short-term photovoltaic power forecasting | |
Ren et al. | Prioritizing low-carbon energy sources to enhance China’s energy security | |
CN111191812A (zh) | 一种光伏出力预测方法及系统 | |
Sreeraj et al. | Design of isolated renewable hybrid power systems | |
Tang et al. | Entropy method combined with extreme learning machine method for the short-term photovoltaic power generation forecasting | |
CN109800898A (zh) | 一种智能短期负荷预测方法及系统 | |
CN108335010A (zh) | 一种风电出力时间序列建模方法及系统 | |
Mao et al. | Schedulable capacity forecasting for electric vehicles based on big data analysis | |
CN113159102B (zh) | 一种多时间尺度的光伏功率预测方法及系统 | |
CN113052389A (zh) | 基于多任务的分布式光伏电站超短期功率预测方法及系统 | |
CN105574612A (zh) | 一种基于数据挖掘的光伏发电量预测方法 | |
CN116826714A (zh) | 基于光伏发电的电力分配方法、系统、终端及存储介质 | |
CN116629416A (zh) | 光伏电站功率预测方法及装置 | |
Sun et al. | Solar power prediction in smart grid based on NWP data and an improved boosting method | |
CN111105096A (zh) | 一种新能源并网布局规划方法与系统 | |
Basmadjian et al. | ARIMA-based forecasts for the share of renewable energy sources: The case study of Germany | |
CN113837434A (zh) | 太阳能光伏发电预测方法、装置、电子设备和存储介质 | |
CN102750542A (zh) | 一种插值修匀优化的支持向量回归机风速组合预测方法 | |
Fattoruso et al. | Estimating air pollution related solar insolation reduction in the assessment of the commercial and industrial rooftop solar PV potential | |
CN110598896A (zh) | 基于预测误差校正的光伏功率预测方法 | |
Gao et al. | Green Energy Cloud-Taxonomy, Infrastructure, Platform, and Services | |
Rahardyan et al. | The Influence Of Economic And Demographic Factors To Waste Generation In Capital City Of Java And Sumatera | |
Xu et al. | NWP feature selection and GCN-based ultra-short-term wind farm cluster power forecasting method | |
Liu et al. | A novel photovoltaic power output forecasting method based on weather type clustering and wavelet support vector machines regression |
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 |