[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

说明书

本发明涉及一种基于ARIMA模型的分布式光伏出力功率预测方法,其技术特点在于：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。本发明能够避免相似日及影响因素不确定性的影响且预测精度高。

技术领域

本发明属于智能配电网调度控制技术领域，涉及分布式光伏出力功率预测方法，尤其是一种基于ARIMA模型的分布式光伏出力功率预测方法。

背景技术

发展分布式能源是节能减排的重要途径之一，太阳能分布式光伏发电也是独立的分布式能源之一，2017年7月国家能源局明确指出了：到2020年，光伏指导装机规模合计86.5GW，分布式装机不受规模限制，预计分布式光伏可达6000万kW。分布式光伏并网发电也将会广泛使用的能源形势接入配电网，当大量的光伏分布式电源接入时，必将对电网优化运行有较大的影响，因此对分布式光伏的输出功率进行预测是非常有必要的。

光伏发电功率预测较为常用是统计方法，根据模型的输入变量与输出结果的统计规律进行预测，主要采用的方法是基于相似日的方法，如基于相似日及云适用粒子群优化的SNN模型，有的学者采用欧式距离法对气象数据进行细分，在综合进行相似日的方法进行光伏发电功率预测。太阳能光伏分布式发电由于功率损耗、器件老化、表面积灰程度等有较大的不确定性，同时，太阳能光伏发电的历史测量数据，而气象条件、雾霾天气等因素变化较弱又不能时时与功率数据同步。此外光伏电站的输出功率是具有较强日、月周期性的时间序列，同时也具有较强的季节性。如何避免相似日及影响因素不确定性的影响，找到一个预测精度较高的分布式光伏电站的发电功率预测方法，这是当前研究的热点问题，为解决上述问题，本发明提出了一种基于ARIMA模型的分布式光伏出力功率预测方法。

发明内容

本发明的目的在于克服现有技术中的缺陷，提供一种设计合理、客观可行且预测精度高的基于ARIMA模型的分布式光伏出力功率预测方法。

本发明解决其现实问题是采取以下技术方案实现的：

一种基于ARIMA模型的分布式光伏出力功率预测方法,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。

而且，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。

而且，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；