一种光伏电站功率预测方法
【技术领域】
[0001] 本发明涉及光伏发电领域，尤其涉及一种基于历史数据纵向匹配的光伏电站功率 预测方法。
【背景技术】
[0002] 光伏电站在实际运行中，光伏发电功率随着太阳辐射强度的变化而变化，具有波 动性、间歇性和随机性的特点。这些特点导致了光伏电场的功率波动，功率波动又会对地区 电网整体运行产生影响，进而会影响到整个地区总网内的电压稳定。当光伏电站场接入电 网时，就会给整个电力系统的安全、稳定运行带来一定的隐患。
[0003] 光伏电站功率预测是对未来几小时或几天的预测，它能够提前预测出未来的功率 变化，为调度系统制定输配电方案提供主要依据，有效地减轻了光伏接入对电网的不利影 响，提高电力系统运行的安全性和稳定性。目前对于光伏发电预测的研究很多，主要集中在 非线性算法方面，包括神经网络法、最小二乘相量机法和智能法等。这些算法计算复杂，理 论性较强。
[0004] 专利文件《基于气象因素的光伏电站发电输出功率预测方法》（专利号为CN 102521670A)就提出了上述方案的一种实施方式：首先获取的光伏电站所在地气象要素数 据历史记录及与每一记录相对的输出功率，将这些气象要素数据修正为光伏板直接数据， 然后将修正后的气象要素数据作为输入数据输入BP神经网络，用BP神经网络算法实现功 率预测。上述方法可以预测出光伏电站的发电输出功率，准确度高，但算法计算复杂，理论 性较强，不太适合工程实践应用。
[0005] 因此，亟需一种光伏电站发电输出功率预测方法，来解决计算算法复杂的这一问 题。
【发明内容】
[0006] 本发明的目的是提供一种基于历史数据纵向匹配的光伏电站功率预测方法，用以 解决现有计算方法计算复杂的问题。
[0007] 为实现上述目的，本发明的方案包括：
[0008] -种基于历史数据纵向匹配的光伏电站功率预测方法，根据未来时刻t的天气预 测信息，对于天气预测信息中的光照强度和各种气象因素，将其与历史数据中的光照强度 和各种气象因素进行对应比较，进行相似度匹配，得到的光照强度和各种气象因素均相似 的若干组历史数据，根据所述历史数据，预测未来时刻t光伏电站的功率输出值Pt':
[0009] 功率预测模型为：
[0011] Pste为标准条件下光伏板的出力；I ^为标准条件下的总辐射强度，11是天气预测 信息中未来t时刻的总辐射强度；Yt是未来t时刻的电站辐射系数，a M'是未来t时刻 的光伏电站出力综合因素系数；
[0012] 其中^由下述公式得到
[0016] i为进行光照强度和综合因素匹配得到的m组数据的序号，i越小，距离未来时刻 t越近；
[0017] itt是第i组数据对应时刻的实际倾角总辐射强度；Iti是第i组数据对应时刻当地 气象局提供的地表直射总辐射强度；是第i组数据对应时刻的实际电站辐射系数；
[0018] Ptf是第i组数据对应时刻光伏电站的功率输出值是第i组数据对应时刻的 光伏电站出力综合因素系数A为计算电站辐射系数γ t的第i组数据对应时刻的权重系 数，i越小，W1越大；Q i为计算光伏电站出力综合因素系数α的第i组数据对应时刻的 权重系数，i越小，Q1越大。其中，Q 1是Jr，11是&。
[0019] 进一步的，各种气象因素包括温度、湿度、压力、风力。
[0020] 进一步的，对得到的历史数据进行去噪处理，计算功率输出综合因素系数的突变 率，当突变率大于设定值时，人为该数据为噪声数据，予以抛弃，其中突变率的计算公式如 下：
[0022] 式中：
[0023] Ern:第η个时刻点的突变率；
[0024] a 当天第η个时刻点的综合因素系数；
[0025] a ^ 1):当天第η-I个时刻点的功率输出综合因素系数。
[0026] 本发明提供的一种基于历史数据纵向匹配的光伏电站功率预测方法，计算简单、 预测误差小，非常适用于工程实践中的光伏电站功率预测，具有一定研究价值和工程实践 意义。
【附图说明】
[0027] 图1是纵向匹配预测模型；
[0028] 图2是辐射环境系数曲线；
[0029] 图3是功率输出综合因素系数曲线；
[0030] 图4是预测功率曲线与实际功率曲线对比；
[0031] 图5是预测功率与实际功率差值；
[0032] 图6是预测功率与实际功率误差比率。
【具体实施方式】
[0033] 下面结合附图对本发明做进一步详细的说明。
[0034] 本发明提供了一种光伏电站功率预测的方法，根据未来时刻t的天气预测信息， 对于天气预测信息中的光照强度和各种气象因素，将其与历史数据中的光照强度和各种气 象因素进行对应比较，进行相似度匹配，得到的光照强度和各种气象因素均相似的若干组 历史数据，根据所述历史数据，预测未来时刻t光伏电站的功率输出值Pt'。功率预测模型 为：
[0036] Pste为标准条件下光伏板的出力；I ^为标准条件下的总辐射强度，I t是天气预测 信息中未来t时刻的总辐射强度；Yt是未来t时刻的电站辐射系数，α μ'是未来t时刻 的光伏电站出力综合因素系数；
[0037] 其中Qct'，Yt是对历史数据运算得到；
[0038] 其中^由下述公式得到
[0042] i为进行光照强度和综合因素匹配得到的m组数据的序号，i越小，距离未来时刻 t越近；
[0043] k是第i组数据对应时刻的实际倾角总辐射强度；\是第i组数据对应时刻当地 气象局提供的地表直射总辐射强度；心是第i组数据对应时刻的实际电站辐射系数；
[0044] Pti是第i组数据对应时刻光伏电站的功率输出值；是第i组数据对应时刻的 光伏电站出力综合因素系数A为计算电站辐射系数γ t的第i组数据对应时刻的权重系 数，i越小，W1越大；Q i为计算光伏电站出力综合因素系数α的第i组数据对应时刻的 权重系数，i越小，Q1越大。
[0045] 下面结合附图1，对光伏电站功率预测的方法做出详细的解释，首先是对原始数据 的采集。所谓原始数据包括光伏电站运行记录的历史数据及未来几天的气象数据。这些气 象数据和光伏电站运行记录的历史数据包括太阳总辐射、光伏电站周围光反射度、环境温 度、环境湿度、环境风速，具体的来讲包括太阳总辐射、光伏电站周围光反射度、环境温度、 环境湿度、环境风速、光伏组件温度、光伏板清洁度、光伏店址光电转化效率、逆变器转化效 率、线路损耗等。其中未来天气数据由气象部门或者专业的机构提供，基本包括总辐射强 度、温度、湿度、风速、压力等；光伏电站运行记录的历史数据来自光伏电站本身服务器的历 史记录。
[0046] 对这些原始数据采集完毕以后，难免会有不符合要求的数据产生，因此需要对这 些噪声数据进行去噪处理。以光伏电站功率输出综合因素系数的突变为依据，来判断数据 是否有效，查询出功率综合因素系数中毛刺、突变发生的时间，判定历史数据库中此时刻的 数据为无效数据，这些数据可能是环境监测仪采集的辐射强度与实际光伏组件平均倾角总 辐射强度不一致、系统检修、逆变器停机等造成的，不参与功率预测纵向数据的匹配查询， 这一时刻的数据也不参与环境系数计算。对于每天的功率综合因素系数曲线，根据采集的 时间顺序，设a m为当天的第η个功率输出综合因素系数，突变率Er表示为：
[0048] (3)
[0049] 式⑶中：
[0050] Ern^ η个点的突变率；
[0051] a 当天第η个综合因素系数；
[0052] a ^ 1):当天第η-1个功率输出综合因素系数。
[0053] 通过去噪处理后，将这些有效