[发明专利]一种基于ARIMA模型的分布式光伏出力功率预测方法

权利要求书

1.一种基于ARIMA模型的分布式光伏出力功率预测方法,其特征在于：包括如下步骤：

步骤1、对配电网的光伏发电功率时间序列进行特征描述；

步骤2、根据步骤1得到的时间序列数据，建立基于ARIMA时间序列的分布式光伏出力预测模型，并对配电网的光伏发电功率进行预测；

步骤3、将步骤2得到的ARIMA模型与神经网络相结合对分布式光伏出力功率进行预测；

步骤4、将步骤2得到的ARIMA模型与支持向量机相结合对分布式光伏出力功率进行预测；

步骤5、对比三种预测结果，挑选出预测误差最小的分布式光伏出力功率预测方法，将其确定为最终的预测模型；

所述步骤3的具体步骤包括：

(1)时间序列可视为线性自相关部分L_t与非线性残差K_t两部分的组合，将步骤2所得预测结果记作L_t，L_t的预测残差为K_t，对K_t进行序列重构并作为神经网络的输入样本；

(2)利用神经网络对残差进行预测，并设预测结果为e_t1；

(3)利用两种模型的预测结果组合成为最终的预测结果，结果为L_t+e_t1；

所述步骤4的具体步骤包括：

(1)时间序列可视为线性自相关部分L_t与非线性残差K_t两部分的组合，将步骤2所得预测结果记作L_t，L_t的预测残差为K_t，利用K_t重构支持向量机样本集；

(2)利用支持向量机对残差进行预测，并设预测结果为e_t2；

(3)利用两种模型的预测结果组合成为最终的预测结果，结果为L_t+e_t2。

2.根据权利要求1所述的一种基于ARIMA模型的分布式光伏出力功率预测方法,其特征在于：所述步骤1的具体方法为：根据一年12个月的实际运行数据，得到配电网月累计发电功率、月日平均发电功率和单月日均出现最大功率时间的相关信息。

3.根据权利要求1所述的一种基于ARIMA模型的分布式光伏出力功率预测方法,其特征在于：所述步骤2的具体步骤包括：

(1)建立差分自回归移动平均模型为ARIMA(p,d,q)；

其中，AR是自回归，MA为移动平均，p是自回归项数，d为时间序列成为平稳时所做的差分次数，q为移动平均项数；

(2)对时间序列数据绘图，观测是否为平稳时间序列，并对于非平稳时间序列要先进行d阶差分运算，化为平稳时间序列；

(3)对平稳时间序列分别求得其自相关系数ACF和偏自相关系数PACF，通过对自相关图和偏自相关图的分析，结合贝叶斯信息准则判断模型，得到自回归项数p和移动平均项数q；

(4)根据已知的自回归项数p，移动平均项数q，时间序列成为平稳时所做的差分次数d可以确定ARIMA的数学模型为：

其中，c表示一个常数，Y_n是样本值，(φ₁,φ₂,…,φ_p)是自回归系数，(θ₁,θ₂,…,θ_q)是移动平均系数；

(5)通过ARIMA模型对光伏电站的输出功率进行预测。

4.根据权利要求1所述的一种基于ARIMA模型的分布式光伏出力功率预测方法,其特征在于：所述步骤5的具体步骤包括：

(1)采用平均绝对误差作为评价指标对经ARIMA模型预测的结果进行误差分析，采用如下公式进行计算：

其中，MAE为平均绝对误差，N为样本数，Yn为真实值，为预测值；

(2)为了验证模型预测普适性，分别取第12月中不同气象条件下晴天与雾霾天发电功率原始数据和预测结果对比。