[发明专利]一种光伏功率集合区间预测方法

说明书

本发明公开了一种光伏功率集合区间预测方法，包括：对预处理后的历史光伏功率进行非平稳时段的判别，得到非平稳时段的光伏功率；对非平稳时段的光伏功率进行特征提取，得到输入变量；根据输入变量分别进行光伏功率的点预测、区间预测，得到点预测结果、区间预测结果；分别对点预测结果、区间预测结果进行多目标优化，得到第一优化区间、第二优化区间；将第一优化区间、第二优化区间及该预测点的实际光伏功率共同作为输入进行多目标优化，得到光伏功率预测区间。效果卓越，预测精度显著提升，调度系统可以更精确地评估光伏出力的波动情况。

技术领域

本发明属于光伏功率预测技术领域，涉及一种光伏功率集合区间预测方法。

背景技术

光伏功率预测技术是根据光伏电站运行参数、气象特征等条件来预测未来时刻光伏输出功率的一种技术。近年来使用最为广泛的方法是人工智能法，通过机器学习，挖掘出历史数据中所隐含的输入变量与预测结果的关系，从而实现光伏功率的预测。但是光伏发电受气象因素影响大，当预测周期中气象条件不稳定时，会导致光伏出力曲线不平滑，峰谷差较大，此时传统预测模型的预测精度较差。

发明内容

本发明的目的是提供一种光伏功率集合区间预测方法，解决了现有技术中存在的预测精度较差问题。

本发明所采用的技术方案是，一种光伏功率集合区间预测方法，包括以下步骤：

步骤1、对历史光伏功率进行数据预处理；

步骤2、对步骤1处理后的历史光伏功率进行非平稳时段的判别，得到非平稳时段的光伏功率；

步骤3、对非平稳时段的光伏功率进行特征提取，得到输入变量；

步骤4、根据输入变量分别进行光伏功率的点预测、区间预测，得到点预测结果、区间预测结果；

步骤5、分别对点预测结果、区间预测结果进行多目标优化，得到第一优化区间、第二优化区间；

步骤6、将第一优化区间、第二优化区间及该预测点的实际光伏功率共同作为输入进行多目标优化，得到光伏功率预测区间。

本发明的特点还在于：

步骤1具体过程为：采用中心极限定理对历史光伏功率进行异常数据检测、剔除，然后使用K近邻全算法和欧式距离法填补异常数据。

步骤2中采用辐功比差判别法进行非平稳时段的判别。

步骤3具体包括以下步骤：

分别计算非平稳时段光伏功率的每个影响因素变量的MIC值，选择MIC值较大的影响因素变量作为输入变量，MIC值的计算方式为：

上式中，x表示特征因素，y表示光伏出力，a、b分别x、y方向上划分格子的个数，B为变量。

步骤4中光伏功率的点预测方法为：

先将输入变量作为输入对LSTM模型进行训练，得到第一层基学习器；然后将第一层基学习器输出的预测结果与输入变量共同作为输入对第一层基学习器进行训练，得到Stack-LSTM模型；将输入变量输入Stack-LSTM模型进行预测，得到点预测结果。

步骤4中将输入变量输入BAYES神经网络进行预测，得到区间预测结果。

步骤6中，将第一优化区间、第二优化区间及该预测点的实际光伏功率共同作为输入，采用NSGA-II优化算法进行多目标优化，得到光伏功率预测区间。

本发明的有益效果是：