[发明专利]一种光伏功率多模型区间预测方法

说明书

本发明提供了一种基于极限学习机和核密度估计的光伏发电功率季节多模型区间预测方法，首先，分析光伏电站输出功率、功率偏差及功率变化率等指标，结果说明光伏出力和波动均呈现出明显的季节分布特征；通过极限学习机神经网络建立了光伏出力不同季节的确定性预测模型；其次，通过非参数核密度估计方法对确定性预测的误差分布进行拟合，继而得出满足一定置信水平的光伏功率预测区间。本发明能描述光伏功率在不同置信水平下可能的波动范围，提供评估预测区间可靠性的途径，为光伏电站在风险评估和系统可靠性分析方面提供支持。

技术领域

本发明涉及一种基于极限学习机和核密度估计的光伏发电功率季节多模型区间预测方法，属于光伏发电预测领域。

背景技术

光伏发电发展迅猛，已经最有前途的能源之一。截至2017年底，全球光伏发电装机容量增加102GW，累计装机容量达到405GW。光伏发电受到不可控的气象和环境因素的影响，其出力具有较大的波动性和随机性，规模化光伏发电系统的并网给电网的稳定性、电网电能质量以及电力系统运行调度的带来影响。准确的光伏发电功率预测可以有效提高电网运行的安全性和稳定性，从而提高光伏发电的接入率。

目前，光伏功率预测领域的研究主要集中于确定性预测，但是确定性预测方法无法有效描述预测误差的分布，调度运行中单纯基于光伏确定性预测无法决策系统需要预留的备用等，在实际的工程应用中受到了约束。

另外，光伏出力具有明显的周期性、非线性，其在不同季节不同天气条件下分布特征不同，导致光伏发电功率预测模型需要拟合的映射关系在不同气象条件下存在明显差异，采用单一模型实现多种不同气象条件下发电功率的准确预测非常困难。

发明内容

本发明的目的是提供一种基于极限学习机和核密度估计的光伏发电功率季节多模型区间预测方法，以对光伏功率的波动范围有比较精确的估计，为电网企业在风险评估和系统可靠性分析方面提供更为丰富的不确定信息。

为解决以上技术问题，本发明的采用的技术方案为：一种光伏功率多模型区间预测方法，包括以下步骤：

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