[发明专利]基于Pair-copula理论的多点光伏出力概率预测方法和系统

说明书

本发明提供了一种基于Pair‑copula理论的多点光伏出力概率预测方法，对目标光伏电站群进行聚类分析，确定最佳类数并进行分类；统计各类电站的光伏出力值和光伏电站群总出力值，得到各自的概率密度函数和累积分布函数；对各类电站出力及总出力进行二维Copula函数的参数识别，得到一系列偏相关系数；根据公式求解Pair‑copula函数的相关系数；利用已经确定的Pair‑copula模型和各电站光伏出力的预测值，得到多点分布式光伏联合出力的条件概率分布。引入聚类分析理论对光伏电站进行分类，基于Pair‑copula理论建立联合出力的条件概率预测模型，解决多点分布式光伏联合出力的预测问题。

技术领域

本发明涉及光伏发电技术领域，具体地，涉及一种基于Pair-copula理论的多点光伏出力概率预测方法和系统。

背景技术

随着对光伏发电的鼓励性政策的出台、光伏电池组件效率提升、工艺进步和原材料成本下降等，光伏发电单元的建设成本在逐渐下降，我国光伏发电产业得到了迅猛发展。自2009年起，我国积极推广光伏发电的市场化发展，使得我国成为世界上光伏发电发展最快的国家。其中，分布式光伏由于建设规模灵活、安装简单、靠近用户等特点，是光伏发电的重要形式。以前，由于投资成本大、产业模式不成熟等原因，分布式光伏发展缓慢。2017年，随着一系列分布式光伏接入电网的规则要求等方面的支持政策的出台、地方政府对分布式光伏的补贴和光伏发电成本的下降，分布式光伏呈爆发式增长，新增装机量占比也在大大提升。分布式光伏系统环保、经济，对太阳能的应用起到积极的推动作用，必将会在未来一段时间内继续保持高速发展。对于电网，光伏发电的波动性和不确定性在并网过程中会对电网造成很大的冲击，不利于电力系统调度与运行。因此，需要对光伏出力进行预测，将“不确定”变为“可预知”，更好地进行电力系统的规划，推动光伏产业进一步发展。

国内外对光伏出力点预测的研究主要围绕物理法和统计法展开。物理法是对天气预报和光伏发电系统进行物理建模；统计法包括时间序列法，马尔科夫链法，支持向量机法和神经网络法。目前，国内外的研究主要集中在对单点光伏出力的预测，通过统计法或者物理法预测单点光伏发电功率，取得一定成果。但是，国内对光伏电站群出力的预测的研究成果和工程应用较少。随着国内光伏产业的迅猛发展，将会出现大量光伏电站建成并投入使用，为确保大规模光伏电站安全可靠并网，进行光伏电站群出力预测的研究至关重要。综上分析，国内外对于光伏出力预测的研究主要通过算法优化对模型进行改进，忽略了筛选原始数据的重要性，在提高预测精度方面存在瓶颈；相关研究主要集中在单点光伏出力预测方面，缺乏对多点光伏联合出力预测的研究。

发明内容

针对现有技术中的缺陷，本发明的目的是提供一种基于Pair-copula理论的多点光伏出力概率预测方法和系统。

根据本发明提供的一种基于Pair-copula理论的多点光伏出力概率预测方法，包括：

聚类步骤：对光伏电站群进行聚类，确定最佳聚类数；

统计步骤：基于最佳聚类数，对光伏电站群进行分类，得到多个聚类电站，统计各聚类电站的光伏出力值和联合出力，得到单点光伏出力的概率预测结果；

参数识别步骤：对单点光伏出力概率预测结果进行二维Copula函数的参数识别，得到偏相关系数；

求解步骤：根据偏相关系数，求解Pair-copula函数的相关性参数；

预测步骤：利用Pair-copula函数和单点光伏出力的概率预测结果，得到多点光伏出力的概率预测结果。

优选地，所述聚类步骤包括：

特征归一步骤：选取n个光伏电站的特征指标，将不同量纲和数量级的特征指标的指标数据进行标准化处理，采用以下公式：