[发明专利]一种分布式光伏短期出力预测的方法

说明书

本发明涉及一种分布式光伏短期出力预测的方法，其包括采集光伏配变数据、地理信息及天气情况数据，进行数据预处理，构建预测日的临近日和相似日特征的步骤，对历史发电数据进行小波变换算法分解得到主体序列和细节序列的步骤，依据发电数据和天气数据，将天气分为晴、阴、雨三类的步骤，结合天气数据、临近日、相似日和小波分解结果作为输入特征，在不同天气类别内分别利用随机森林回归算法建模得到晴、阴、雨三种预测模型的步骤，判断未来一日天气数据所属天气类别，输入对应天气类别的算法模型得到发电数据主体序列和细节序列预测数据步骤；本发明方法提高了分布式发电友好并网水平，有效降低弃光率，促进清洁能源消纳，保障电网安全稳定运行，具有极强的可推广性。

技术领域

本发明涉及一种分布式光伏短期出力预测的方法。

背景技术

太阳能发电的诸多优势，让建设分布式光伏发电系统成为一种趋势，光伏设备大范围覆盖。由于光伏出力情况受环境影响较大，且原有发电数据采集方式频度低，其监控水平与出力能力受计量装置与通信信道限制，长期处于弱管理状态，难以实现出力情况的准确预测，专业部门缺少光伏并网调度、市场交易依据以及弃光量不断增加等问题，给新能源消纳以及电力系统的稳定运行带来阻力。因此对分布式光伏发电系统健康度评估和短期出力预测具有重大的理论和现实意义。

发明内容

本发明所要解决的技术问题是提供一种提高分布式发电友好并网水平，有效降低弃光率，促进清洁能源消纳，保障电网安全稳定运行的分布式光伏短期出力预测的方法。

本发明采用如下技术方案：

本发明采用如下步骤：

步骤一、采集光伏配变数据、地理信息及天气情况数据，进行数据预处理，构建预测日的临近日特征和相似日特征；

步骤二、对历史发电数据进行小波变换算法分解得到主体序列和细节序列；

步骤三、依据发电数据和天气数据，将天气分为晴、阴、雨三类；

步骤四、结合天气数据、临近日、相似日和小波分解结果作为输入特征，在不同天气类别内分别利用随机森林回归算法建模得到晴、阴、雨三种预测模型；

步骤五、判断未来一日天气数据所属天气类别，输入对应天气类别的算法模型得到发电数据主体序列和细节序列预测数据；

步骤六、对预测数据进行小波重构，得出分布式光伏未来一天96个时间点的发电功率数据。

本发明所述光伏配变数据包括光伏配变档案数据和光伏配变出力数据。

本发明数据预处理包括基于箱线图法的异常值处理、线性回归缺失值处理以及最优建模数据自动筛选。

本发明临近日为待测日前N天，临近日特征为提取待测日前N天发电数据均值；

相似日为与预测日天气类型相似，相似日特征为改进KNN算法提取与待测日天气状况最相似的前M日数据均值；

相似日与预测日的距离计算公式如下：

其中，x为权重调整系数，依实际数据而定，a、b分别为相似日与预测日的天气因素序列；

所述天气因素序列包括最高温度、最低温度、湿度和降水量。

本发明步骤二中利用小波变换算法分解光伏历史发电功率数据，分解得到主体序列和细节序列，主体序列和细节序列的计算公式如下：

其中，f(k)是初始数据信号；