[发明专利]一种光伏发电系统输出功率的预测方法及装置

说明书

技术领域

本发明实施例涉及光伏发电技术领域，特别是涉及一种光伏发电系统输出功率的预测方法及装置。

背景技术

随着常规能源(例如石油、煤等化石能源)的消耗越来越多，常规能源的消耗带来环境污染问题也越来越严峻，且常规能源的储量是有限的，这就促使了新能源(例如太阳能、风能、海洋能等)的大力研究与开发。而太阳能作为环境友好型、安全性、广泛性与充足性的可再生新能源是最具有发展前景的绿色能源。

光伏发电是利用半导体界面的光生伏特效应将光能直接转变为电能的一种技术。光伏发电系统主要由太阳能电池板(组件)、控制器和逆变器三部分组成。由于太阳辐照强度和环境温度具有明显的间歇性、波动性和随机性等特性，导致光伏系统输出功率的不确定，而输出功率的不确定性会直接影响电力系统的稳定运行，增大电力系统的运行成本。因此，对未来一段时间内光伏系统的输出功率进行准确的预测是非常重要的。

针对光伏输出功率的非平稳性和非线性特性，通常可采用信号分解方法有效减弱信号的非平稳程度，从而提高预测精度。现有技术一般采用经验模态分解法对光伏发电系统输出功率进行分解。尽管经验模态分解方法可实现对非线性、非平稳信号进行平稳化处理，但是，经验模态分解方法缺乏严格的数学基础、算法效率低、存在模态混叠、抗噪性差以及端点效应问题。由于经验模态分解方法的这些劣势，导致由其分解得到的一系列分量再重新构建预测模型后，仍然存在很大的预测误差。

因此，如何提高光伏发电系统输出功率预测的准确度，有效的降低大规模光伏发电系统对电力系统的影响，是本领域技术人员亟待解决的问题。

发明内容

本发明实施例的目的是提供一种光伏发电系统输出功率的预测方法及装置，以提高光伏发电系统输出功率预测的准确度，有效的降低大规模光伏发电系统对电力系统的影响，获得较高的社会效益和经济效益。

为解决上述技术问题，本发明实施例提供以下技术方案：

本发明实施例一方面提供了一种光伏发电系统输出功率的预测方法，包括：

获取预设时间段内光伏发电系统的历史输出功率数据与相应的气象数据；

将所述历史输出功率数据根据变分模态分解算法分解为多个分解分量；

根据多个所述分解分量与相应的气象数据建立极限学习机预测模型，并根据所述极限学习机预测模型计算各个所述分解分量的预测结果；

将各个所述预测结果进行求和，以得到所述光伏发电系统输出功率的预测结果。

可选的，所述将所述历史输出功率数据根据变分模态分解算法分解为多个分解分量包括：

根据所述气象数据将所述历史输出功率数据进行归类；

将同一天气类型下的历史输出功率数据根据所述变分模态分解算法分解为多个分解分量。

可选的，所述根据所述气象数据将所述历史输出功率数据进行归类包括：

建立自组织竞争神经网络模型，将所述历史输出功率数据作为自组织竞争神经网络的输入样本数据；

选取预设天气类型下的历史输出功率数据作为所述自组织竞争神经网络模型的测试样本；

根据所述输入样本数据对所述自组织竞争神经网络模型的网络权值进行初始化，根据下述公式对所述网络权值进行调整：

根据所述测试样本对所述输入样本数据进行归类；

其中，x_i(i＝1，2，…，m)为输入样本，w_ij为第i个输入节点与第j个输出神经元之间的权值，a为权重系数。

可选的，所述将所述历史输出功率数据根据变分模态分解算法分解为多个分解分量包括：

S1：将所述历史输出功率数据根据所述变分模态分解算法分解为多个分解分量{y_k}，并计算相应的中心频率{w_k}；

S2：对{w_k}、拉格朗日乘子进行初始化；

S3：对每一个所述分解分量y_k、相应的中心频率w_k、根据下述公式进行更新：

S4：当判定下式成立时，分解结束；当判定下式不成立时，则返回S3，

其中，和分别表示y(t)、λⁿ(t)和的傅里叶变换，n为迭代次数，α为平衡参数，τ为更新参数，ε为给定的判别精度，且ε＞0。

可选的，在所述将所述历史输出功率数据根据变分模态分解算法分解为多个分解分量之后还包括：