[发明专利]一种光伏功率多模型区间预测方法

权利要求书

1.一种光伏功率多模型区间预测方法，其特征在于，包括如下步骤：

S1.收集光伏电站历史运行数据、历史环境数据及数值天气预报数据；

S2.根据收集到的光伏电站历史数据分析光伏出力及其波动的分布特征，按照季节对其进行分类；根据步骤S1所收集的数据，通过光伏电站理论功率P_th(t)与实际功率P_r(t)计算功率偏差P_e与功率变化率λ：

P_e＝P_th(t)-P_r(t)

根据计算结果，统计分析光伏电站输出功率P、功率偏差P_e与功率变化率λ一年中的变化趋势和概率分布特性，得到其具有明显的季节分布特征，以统计分析结果为依据，将所述步骤S1收集到的数据按照季节进行分类；

S3.根据分类后的数据利用极限学习机建立季节性预测模型，S31.针对根据季节划分的训练数据利用极限学习机建立每个季节的确定性预测模型，对于训练样本(x_i,y_i)，x_i∈R^p,y_i∈R^p，i＝1,2,…,N，x_i表示模型的输入数据，y_i为预测目标数据，R^P为模型输入和输出样本集，设置极限学习机含有L个隐层节点，激发函数为f(x)的极限学习机模型可表示为

其中：β_l为连接第l个隐层节点和输出神经元之间的连接权向量；ω_i＝[ω_i1,ω_i2,…,ω_iL]^T是连接第l个隐层节点和输入节点的权重；b_l为第l个隐层节点的偏差；ω_i·x_i构成ω_i和x_i的内积；

S32.将按照季节划分的测试数据运用于步骤S31中已经训练好的确定性预测模型，得到确定性预测功率，并计算确定性预测误差

e＝P_fore-P_prac

其中：P_fore为光伏功率确定性预测值；P_prac光伏功率实际测量值；

S33.将确定性预测功率数据划分到合适的功率等级中，设定每个功率等级长ΔP＝1000W，功率最大值P_max＝10000W，最小值P_min＝0，则区段数K为：

K＝[(P_max-P_min)/ΔP]+1

且所分区间为

D_k＝[P_min+(k-1)ΔP,P_min+kΔP]

其中：k＝1,2,…,K；

S34.采用核密度估计对预测误差e进行拟合，其概率密度函数为

其中：k(x)为核函数；e_j为预测误差样本；h为窗宽；J为预测误差样本总数；

S35.通过步骤S34所述方法得到预测误差的概率密度函数后，求取其累计概率分布函数，设累计概率密度分布函数为F(δ)，其中，δ为表示预测误差的随机变量，为F(δ)的反函数，表示预测误差区间边界值，其中是预测误差的累积概率，则实际功率P_prac的满足置信水平为1-α的置信区间为：

[P_fore+G(α₁),P_fore+G(α₂)]

其中：α₂-α₁＝1-α，取对称概率区间，即α₁＝α/2，α₂＝1-α/2；

S4.通过季节性预测模型实现光伏功率区间预测。

2.根据权利要求1所述的预测方法，其特征在于，所述的历史运行数据包括光伏电站历史功率数据，历史环境数据包括光伏电站所对应的历史辐照度、环境温度、湿度、风速数据，数值天气预报数据包括光伏电站所在地的数值天气预报辐照度、环境温度、湿度、风速数据。

3.根据权利要求1所述的预测方法，其特征在于，所述步骤S4包括：

S41.将数值天气预报数据输入步骤S31所述的确定性预测模型，得到确定性预测功率；

S42.将预测功率按照S33划分的功率等级代入步骤S35置信区间公式，即可得到光伏功率预测区间。