[发明专利]一种应用于光伏发电系统的短期发电功率预测方法

说明书

技术领域

本发明涉及一种应用于光伏发电系统的短期发电功率预测方法，具体的说，涉及一种基于经验模态分解（Empirical Mode Decomposition，简称EMD）和遗传算法-BP神经网络（Genetic Algorithm-Back Propagation NeuralNetwork，简称GA-BPNN）的短期光伏发电预测方法。

背景技术

由于化石燃料的日益枯竭及其所带来的环境污染问题，世界各国都在不遗余力地发展利用可再生能源。而地球所接受到的太阳能，虽只占太阳表面发出的全部能量的二十亿分之一左右，但是这些能量相当于全球所需总能量的3-4万倍，可谓取之不尽，用之不竭。太阳能和石油、煤炭等矿物燃料不同，不会导致“温室效应”和全球性气候变化，也不会造成环境污染。太阳能已经成为世界各国缓解化石燃料资源不足，改善环境的重要战略之一，已经被列为2l世纪的重要替代能源。而将太阳光直接转化为电能，即光伏发电是运用最广泛，最有发展前途的太阳能利用技术。随着技术的不断进步和光伏组件成本的逐步降低，光伏发电与传统能源发电方式相比具有愈来愈显著的社会效益和经济效益。我国拥有丰富的太阳能资源，在光伏发电领域也取得了很大的进展，并且实施了《可再生能源法》，为发展光伏发电提供了法律保障。目前，光伏发电已具备大规模商业开发的技术和经济条件，其在大电网中所占的比例不断提高。

但是，太阳能受天气、季节、大气情况、云层厚度等等多种因素影响再加上各用户或小区使用的光伏电池种类及其安装位置随机，使光伏发电成为属于波动性和间歇性电源。光伏发电系统相对于大电网是一个不可控源，随着大量的光伏发电接入电网，势必会对电力系统的安全、稳定运行以及保证电能质量带来严峻挑战，从而限制光伏发电的发展规模。同时，由于电能的特殊性，即生产、输送、分配、消费是同时进行的，电能难以贮存，或者说贮存能力极小而代价高昂。光伏发电应该在满足系统内负荷需求的情况下，生产多少就使用多少。从发电企业(光伏发电场)的角度来考虑，将来光伏发电一旦参与市场竞争，相比于其它可控的发电方式，光伏发电的间歇性将大大削弱光伏发电的竞争力，而且还会由于供电的不可靠性受到经济损失。提前对光伏发电功率进行预测，将在很大程度上提高光伏发电的市场竞争力。

综上可知，对光伏发电的发电功率进行短期预测，将使电力调度部门能够提前根据发电功率变化及时调整调度计划，保证电能质量，减少系统的备用容量，降低电力系统运行成本。同时，这也是减轻光伏发电对电网造成不利影响、提高电网中光伏发电比例的一种有效途径。

发明内容

本发明所要解决的技术问题是：设计开发一种基于经验模态分解和遗传算法-BP神经网络的短期光伏发电功率预测方法，能够准确的预测光伏发电系统的发电功率，使电力调度部门能够合理调度发电容量，充分的利用太阳能资源，获得更多的经济效益和社会效益。

为了解决上述技术问题，本发明采用以下技术方案：

一种应用于光伏发电系统的短期发电功率预测方法，其特征在于它包括两个阶段：①将原始发电功率信号进行经验模态分解；②为每个分解分量构建基于遗传算法的BP神经网络预测模型；

1）原始发电功率信号进行经验模态分解：首先使用卡尔曼滤波器消除原始发电功率样本值中的异常数据并使用互信息理论选择最小特征子集，将预处理后的发电功率信号使用经验模态分解得到由低频到高频的一系列本征模组成分量信号和一个剩余分量信号；

2）构建BP神经网络预测模型：针对发电功率信号经过经验模态分解得到的各个分量自身的规律和特点，分别为其构建基于遗传算法的BP神经网络预测模型，并聚合各个分量的预测值得到最终的发电功率预测结果。

给的一个原始信号s(t)，经验模态分解过程如下：

1）找出s(t)的所有极值点，并用三次样条插值函数拟合形成原数据的上包络线s_max(t)；同样，找出所有的极小值点，并将所有的极小值点通过三次样条插值函数拟合形成数据的下包络线s_min(t)；

2）计算上包络线和下包络线的平均值m_j(t)=(s_max(t)+s_min(t))/2，提取剩余部分：h_j(t)=s_j(t)-m_j(t)；