[发明专利]基于SVM-马尔科夫组合法的太阳能光伏发电量预测方法

说明书

技术领域

本发明涉及太阳能利用研究领域，特别涉及一种基于SVM-马尔科夫组合法的太阳能光伏发电量预测方法。

背景技术

如今，传统的化石燃料能源日益枯竭，同时其燃烧对环境造成的危害也日益突出，传统燃料所带来的能源危机和环境问题已经成为人类面临的最大挑战。为了人类社会的可持续发展，世界各国纷纷把目光投向了新能源和可再生能源，大力发展并寄予厚望，希望能调整改变能源结构现状，保证人类能源安全。与水能、风能、地热能、生物能等相比，太阳能以其突出独有的优势而成为人们重视的焦点。丰富的太阳辐射能取之不尽、用之不竭，且光伏发电装置无噪声、无污染、廉价、规模灵活，易于人类自由、广泛利用。据统计，太阳能每秒钟到达地面的能量高达80万千瓦，若把地球表面0.1%的太阳能转为电能，且转变率为5%，则每年发电量就可达5.6×10¹²千瓦时，相当于世界总能耗的40倍。因此，光伏发电备受青睐并得到广泛应用。

然而，受外界复杂不确定因素的影响，光伏发电存在随机性、波动性、间歇性、不确定性等缺点，且光伏输出功率还与影响因子呈现非线性的关系，这就导致光伏发电功率往往是极不稳定的，对电网的经济、安全、稳定运行造成了严重的影响和威胁。

实现太阳能光伏发电量的预测，将有助于电网调度部门统筹安排常规电源和光伏发电的协调配合、适时地调整调度计划、合理安排电网运行方式。一方面，可以有效地削弱光伏接入对电网带来的不利影响，提高电力系统运行的安全性和稳定性；另一方面，可降低电力系统的旋转备用容量和运行成本，以充分利用太阳能资源，获得更大的经济效益和社会效益。

目前，光伏发电量预测主要可以分为统计学方法和人工神经网络方法两类。统计学方法是通过对历史数据进行统计分析，利用概率论找出其内在规律并用于预测；而人工神经网络方法将样本数据作为输入，经机器训练测试学习，建立预测模型来对未来进行预测。以上两种方法在光伏发电量预测方面得到了应用，但其方法存在一些局限性，例如对于规律性和周期性较强的数据信息，这两种预测方法能达到较高的预测精度，但光伏发电存在随机性、波动性等特点，运用这两种方法，效果往往很差，不能满足实用需求。

因此，寻找一种能够对光伏发电量进行可靠预测的方法具有重要的实用价值。

发明内容

本发明的主要目的在于克服现有技术的缺点与不足，提供一种基于SVM-马尔科夫组合法的太阳能光伏发电量预测方法，该方法利用支持向量机（SVM）进行回归预测分析，并通过马尔科夫方法对预测结果加以修正，方法契合光伏发电特点，并将二者进行优势互补，从而得到更为准确的预测结果，实现对光伏发电量的可靠预测。

本发明的目的通过以下的技术方案实现：基于SVM-马尔科夫组合法的太阳能光伏发电量预测方法，包括以下步骤：

（1）选择合适的预警因子；

（2）根据预警因子收集一定量的样本数据；

（3）初步建立SVM回归预测模型，并利用样本数据进行训练，确定SVM模型结构；

（4）利用步骤（3）得到的SVM模型结构进行光伏发电量初步预测；

（5）应用马尔科夫方法对预测结果进行修正；

（6）得到预测结果。

影响太阳能光伏发电量的因素有很多，比如太阳辐射强度、环境温度、相对湿度、风速以及安装角度、光电转换率等。其中，对于安装角度、光电转换率等，可以依靠装置调整和技术进步等使光伏发电输出效果达到最佳，而太阳辐射强度、环境温度、相对湿度、风速都是人们所无法控制的，这几点却恰恰是影响光伏发电输出功率的关键。光伏电池的输出功率主要受环境温度以及太阳辐射强度的影响。而相对湿度、风速通过影响辐射间接作用于光伏发电量，比如相对湿度的增大，空气中的水汽会阻挡地面有效辐射。光伏发电的实际输出功率正是这些趋势相互作用的结果。基于以上分析，所述步骤（1）中选择的预警因子为：太阳辐射强度、日最高气温、相对湿度、风速作为预警因子。以上预警因子均可以从每日气象预报中获得。

更进一步的，对于太阳辐射强度，它主要受天气状况的影响，而紫外线是太阳辐射的一部分，两者随天气状况的变化情况基本相同，因此可以选用紫外线指数来近似表征太阳辐射强度。紫外线指数变化范围一般用0～15的数字来表示，因此，太阳辐射能也可以按紫外线指数进行数字化表征，从小到大依次赋值为1、2、3、……、14、15。

优选的，所述步骤（3）建立SVM回归预测模型前对采集的样本数据进行预处理，包括奇异数据的消除、线性插值、数据的归一化处理等。以保证所建模型的准确度。