[发明专利]基于随机森林算法的分布式光伏日发电量预测方法和装置

说明书

本申请提供一种基于随机森林算法的分布式光伏日发电量预测方法和装置，方法包括，利用由光伏电站的多个发电量样本组成的原始样本集合分别构建多个回归树，得到多个回归树组成的发电量预测模型，利用发电量预测模型所包含每一个回归树分别分析待预测自然日的气象特征，得到待预测自然日的多个理论发电量；对各个理论发电量进行均值计算，得到光伏电站在待预测自然日的预测发电量。本方案利用多个回归树组成的发电量预测模型，对待预测自然日的各种气象特征进行综合分析，不需要预先设定函数形式，不用考虑自变量之间的多重线性相关，能较好反映各种天气环境变化对发电量的影响，可保证在任意气象条件下都具有较高预测的精度。

技术领域

本发明涉及光伏发电技术领域，特别涉及一种基于随机森林算法的分布式光伏日发电量预测方法和装置。

背景技术

在国家政策大力支持和市场主体积极参与下，我国光伏装机规模连续十年保持高速增长，年新增装机保持在40GW以上。截止到2019年底，全国光伏发电累计装机达到20430万千瓦，同比增长17.3%，其中分布式光伏6263万千瓦，同比增长24.2%。

但是由于风、光等新能源出力具有随机性和波动性，造成新能源并网安全运行和有效消纳一直是世界难题和研究热点。尤其是大规模分布式光伏并网，会对电网系统的电压电流、配网线路潮流、无功补偿等造成较大影响。因此，对光伏发电系统，特别是分布式光伏的发电量进行准确预测就显得尤为重要。但是目前分布式光伏电站大多分布在偏远地区、山区、屋顶、农业大棚、鱼塘等地点，具有布点分散、体量较小等特征，而且受制于当地的气候环境、地理条件等因素，对分布式光伏的发电量预测提出了更高的要求及挑战。

目前，预测光伏电站发电量的方法常见的有统计分析方法及人工智能算法等方法。其中，统计分析方法主要是通过回归分析、时间序列分析等方法，对光伏电站发电量和太阳辐照度等数据进行统计分析，以便来预测未来光伏电站可能的发电量。人工智能算法主要有聚类、马尔科夫链、神经网络、支持向量机等方法，具有预测精度高、响应速度快等优点。

现有的这些预测方法为了保证较高的预测精度，往往只能对特定气象条件下的发电量进行预测，而不能准确预测任意气象条件下的发电量。

发明内容

基于上述现有技术存在的问题，本发明提供一种基于随机森林算法的分布式光伏日发电量预测方法和装置，以便更准确的预测多种气象条件下光伏电站的日发电量。

本申请第一方面提供一种基于随机森林算法的分布式光伏日发电量预测方法，包括：

模型构建过程：

获得由光伏电站的多个发电量样本组成的原始样本集合；其中，每一个所述发电量样本均对应于一个自然日；发电量样本由对应自然日的气象特征和所述光伏电站的实际发电量组成；气象特征包括多个表征对应自然日的气象条件的输入变量；

对所述原始样本集合执行N次有放回随机抽样，得到N个训练样本集合；其中，N为预设的正整数；

针对每一个所述训练样本集合，利用所述训练样本集合构建一个回归树；其中，由N个所述训练样本集合构建的N个回归树组成所述光伏电站的发电量预测模型；

其中，所述利用所述训练样本集合构建一个回归树，包括：

建立回归树的根节点，并将所述训练样本集合分配至所述根节点；

判断所述回归树的当前高度是否小于预设的高度阈值；

若所述回归树的当前高度小于所述高度阈值，将所述回归树当前的每一个叶节点均确定为待分裂节点，并为每一个所述待分裂节点确定对应的多个特征变量；其中，每一个所述特征变量，均由所述气象特征中的一个或多个输入变量组成；