一种基于特征功率的分布式光伏功率预测方法与流程

1.本发明涉及光伏发电功率预测领域，尤其涉及一种基于特征功率的分布式光伏功率预测方法。


背景技术：

2.光伏发电是一种将太阳能转化为电能的技术。集中式光伏是目前较为成熟的发电方式，其一般具有完善的功率、气象监测装置，并可以存储大量的历史数据，可以对集中式光伏电站建立专门的预测模型，进行光伏功率预测。分布式光伏起步相对较晚，并有以下特点：一是单电站投入成本少，其一般不具备气象监测装置，且不同光伏电站的倾斜角度、相位角、洁净程度等不尽相同；二是分布式光伏的安装时间参差不齐，部分光伏无历史功率数据。因此，分布式光伏难以实现类似集中式光伏的一站一预测。
3.随着分布式电站数量的不断增加，其出力的随机性和波动性对电网的安全运行造成压力，因此对一定区域内的分布式光伏电站发电功率的准确预测越来越重要。而目前业内仍缺乏一种在部分分布式光伏电站无历史功率数据的情况下能较为准确地预测各光伏电站发电功率的方法。


技术实现要素：

4.本发明针对现有技术存在的不足和缺陷，提供了一种基于特征功率的分布式光伏功率预测方法，使用特征功率模糊地表示光伏电站的特性，对设定区域内光伏建立统一预测模型；对无历史数据的分布式光伏电站，可通过几日功率得到特征功率，使用统一预测模型进行较为准确的预测。
5.本发明的目的可以通过以下技术方案来实现。
6.一种基于特征功率的分布式光伏功率预测方法，包括以下步骤。
7.s1：采集设定区域内每个分布式光伏电站的历史发电功率数据及电站容量；采集设定区域的气象数据与时间数据。
8.s2：基于s1采集的各电站容量对各历史发电功率数据进行归一化处理后，按天进行聚类；
9.s3：对聚类后的数据进行处理，得到各分布式光伏电站的特征功率。
10.s4：将气象数据、时间数据、特征功率作为输入，将归一化的历史发电功率数据作为输出，使用cnn神经网络，训练得到设定区域的光伏功率统一预测模型。
11.s5：按一定频率更新分布式光伏电站的特征功率，将更新后的特征功率与气象数据、时间数据一并输入s4所得光伏功率统一预测模型，输出光伏功率预测结果。
12.优选地，所述s1中，所述设定区域为一个县或区；所述气象数据包括环境温度、相对湿度、风速、气压；所述时间数据包括月、日、时、分。
13.优选地，所述s2中的聚类方法为k均值聚类。
14.从归一化的每日历史发电功率数据中截取部分数据，从截取数据中提取功率之
和、离散差、功率曲线三阶导数平均值作为聚类特征。
15.优选地，所述s3中的聚类为k均值聚类。
16.对k类数据中功率之和最高的类数据使用指数加权平均法进行处理，得到不同时间各分布式光伏电站的特征功率。
17.指数加权平均法的公式：。
18.式中，是在时间点i经过平滑后的特征功率，是在时间点i的历史实际功率，α是记忆衰减因子，是在时间点i-1经过平滑后的特征功率。
19.优选地，所述s4中，将同一天的气象数据、时间数据、特征功率作为一个输入样本，不同特征作为输入的不同通道。
20.优选地，所述s5中特征功率的更新方法为：对每日发电功率曲线使用s2得到的聚类中心进行分类后执行s3，得到更新后的特征功率。
21.本发明的有益技术效果：通过对光伏电站历史功率数据进行聚类与处理，得到各电站不断变化的特征功率，将其与气象数据、时间数据作为输入，训练设定区域分布式光伏电站的统一预测模型；对无历史数据的分布式光伏电站，可通过几日功率得到特征功率，使用统一预测模型进行较为准确的预测。综合看来，本发明实现了在部分分布式光伏电站无历史功率数据的情况下较为准确地预测各光伏电站发电功率，从而在一定程度上保障了电网的安全运行。
附图说明
22.图1为本发明的总体流程图。
23.图2为本发明对功率曲线进行聚类的结果示意图。
24.图3为本发明在某日计算的多电站的特征功率。
25.图4为本发明对多电站发电功率的预测结果。
具体实施方式
26.为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅用以解释本发明，并不限定本发明。
27.实施例：如图1所示，一种基于特征功率的分布式光伏功率预测方法，包括以下步骤。
28.s1：采集设定区域内每个分布式光伏电站的历史发电功率数据及电站容量，采集设定区域的气象数据与时间数据。
29.设定区域应为气象条件接近的一个区域，为一个县或区，采集的气象数据为包括环境温度、相对湿度、风速、气压；所述时间数据包括月、日、时、分。在本实施例中，使用的电站历史发电功率数据来自青岛市城阳区的数个分布式光伏电站。
30.s2：基于s1采集的各电站容量对各历史发电功率数据进行归一化处理后，使用k均值聚类方法对归一化的每日历史发电功率数据进行划分，得到k类功率数据。
31.在进行k均值聚类时，在归一化的每日历史发电功率数据中截取部分功率数据，对其提取功率之和、离散差、功率曲线三阶导数平均值等特征，作为聚类特征进行聚类。此实施例中，截取6:00到18:00的数据作为输入数据，聚类的结果如图2所示，可以看出，此实施例将光伏电站的功率曲线被分为了4类，其中第二类曲线功率相对较高且变化平稳，符合晴天时的发电功率曲线。
32.s3：对聚类后的功率数据，使用在这4类数据中功率之和最高一组作为晴天发电功率，对此类功率数据使用指数加权平均法进行处理，得到不同时间的光伏电站的特征功率。
33.首先对该区域各分布式电站一段时间内晴天的归一化功率求平均得平均功率，作为各分布式电站的初始特征功率；对各电站，据其在晴天下的发电功率使用指数加权平均法更新特征功率，以达到表征各电站发电特性的目的。指数加权平均法的公式为：。
34.式中，是在时间点i经过平滑后的特征功率，是在时间点i的历史实际功率，α是记忆衰减因子，是在时间点i-1经过平滑后的特征功率。此实施例中，α取0.2，以在电站特征功率基本平稳的前提下，保证特征功率随季节、光伏板的灰尘覆盖情况及老化情况进行相应变化。
35.对该区域的电站13、25、29，不断更新计算其特征功率，在某日其计算的特征功率如图3所示，其中电站13、25的特征功率相近，电站29的特征功率高于电站13、25。
36.s4：将气象数据、时间数据、特征功率作为输入，将归一化的历史发电功率数据作为输出，使用cnn神经网络，训练得到光伏功率统一预测模型。
37.s5：按一定频率更新分布式光伏电站的特征功率，将更新后的特征功率与气象数据、时间数据一并输入s4所得光伏功率统一预测模型，输出光伏功率预测结果。
38.预测结果如图4所示，图中共预测了分布式光伏电站13、25、29的在某一天的发电功率从。图中可以看出电站13、25在该天下的发电功率几乎一致，而电站29的发电功率明显高于13、25，因为使用了表征各电站发电特性的特征功率，即使使用同一个预测模型，在预测结果上，电站13、25的预测功率相近，而电站29的预测功率高于13、25。
39.上述实施例是对本发明的具体实施方式的说明，而非对本发明的限制，有关技术领域的技术人员在不脱离本发明的精神和范围的情况下，还可做出各种变换和变化以得到相对应的等同的技术方案，因此所有等同的技术方案均应归入本发明的专利保护范围。

技术特征：
1.一种基于特征功率的分布式光伏功率预测方法，其特征在于，包括以下步骤：s1：采集设定区域内每个分布式光伏电站的历史发电功率数据及电站容量；采集设定区域的气象数据与时间数据；s2：基于s1采集的各电站容量对各历史发电功率数据进行归一化处理后，按天进行聚类；s3：对聚类后的数据进行处理，得到各分布式光伏电站的特征功率；s4：将气象数据、时间数据、特征功率作为输入，将归一化的历史发电功率数据作为输出，使用cnn神经网络，训练得到设定区域的光伏功率统一预测模型；s5：按一定频率更新分布式光伏电站的特征功率，将更新后的特征功率与气象数据、时间数据一并输入s4所得光伏功率统一预测模型，输出光伏功率预测结果。2.根据权利要求1所述的一种基于特征功率的分布式光伏功率预测方法，其特征在于，所述s1中，所述设定区域为一个县或区；所述气象数据包括环境温度、相对湿度、风速、气压；所述时间数据包括月、日、时、分。3.根据权利要求1所述的一种基于特征功率的分布式光伏功率预测方法，其特征在于，所述s2中的聚类方法为k均值聚类；从归一化的每日历史发电功率数据中截取部分数据，从截取数据中提取功率之和、离散差、功率曲线三阶导数平均值作为聚类特征。4.根据权利要求1所述的一种基于特征功率的分布式光伏功率预测方法，其特征在于，所述s3中的聚类为k均值聚类；对k类数据中功率之和最高的类数据使用指数加权平均法进行处理，得到不同时间各分布式光伏电站的特征功率；指数加权平均法的公式如下：；式中，是在时间点i经过平滑后的特征功率，是在时间点i的历史实际功率，α是记忆衰减因子，是在时间点i-1经过平滑后的特征功率。5.根据权利要求1所述的一种基于特征功率的分布式光伏功率预测方法，其特征在于，所述s4中，将同一天的气象数据、时间数据、特征功率作为一个输入样本，不同特征作为输入的不同通道。6.根据权利要求1所述的一种基于特征功率的分布式光伏功率预测方法，其特征在于，所述s5中特征功率的更新方法为：对每日发电功率曲线使用s2得到的聚类中心进行分类后执行s3，得到更新后的特征功率。

技术总结
本发明涉及光伏发电功率预测领域，公开了一种基于特征功率的分布式光伏功率预测方法，包括以下步骤：采集设定区域内每个分布式电站的历史发电功率数据、电站容量、气象数据与时间数据；对采集的各光伏电站的历史数据进行归一化处理，之后按天进行聚类；对聚类后的功率数据进行处理，得到各光伏电站的特征功率；训练CNN神经网络预测模型；S5：按一定频率更新电站的特征功率，并与气象预报数据、时间数据一并输入预测模型，进行光伏功率预测。综合看来，本发明实现了在部分分布式光伏电站无历史功率数据的情况下较为准确地预测各光伏电站发电功率，从而在一定程度上保障了电网的安全运行。行。行。


技术研发人员：范建华 曹乾磊 杨圣昆 梁浩 王磊 黄晓娅 于雅洁
受保护的技术使用者：青岛鼎信通讯股份有限公司 青岛鼎信通讯电力工程有限公司
技术研发日：2023.06.14
技术公布日：2023/7/17