[发明专利]一种光伏发电功率超短期预测结果组合优化方法和系统

权利要求书

1.一种光伏发电功率超短期预测结果组合优化方法，其特征在于，包括：

采集光伏电站当前时刻的发电功率、预测时刻的发电功率超短期预测结果和上一预设周期的同一预测时刻的实际发电功率；

基于所述采集光伏电站当前时刻的发电功率和上一预设周期的同一预测时刻的实际发电功率，利用预先建立组合优化模型对预测时刻的发电功率超短期预测结果进行优化；

其中，所述组合优化模型包括分别以光伏电站当前时刻的发电功率和上一预设周期的同一预测时刻的实际发电功率对发电功率超短期预测结果分别进行优化，然后组合两次优化结果。

2.根据权利要求1所述的方法，其特征在于，所述组合优化模型，包括：持续算法模型、周期优化模型以及对所述持续算法模型、周期优化模型的结果进行组合；

其中，所述持续算法模型包括以持续计算得到的当前预测时间尺度下的持续系数为权重，对所述光伏电站当前时刻的发电功率和预测时刻的发电功率超短期预测结果进行拟合得到持续算法功率超短期预测结果；

所述周期优化模型包括以持续计算得到的当前预测时间尺度下的融合系数为权重，对所述光伏电站上一预设周期的同一预测时刻的实际发电功率和预测时刻的发电功率超短期预测结果进行拟合得到周期优化功率超短期预测结果。

3.根据权利要求2所述的方法，其特征在于，所述持续算法模型包括如下计算式：

式中，k为预测时刻的时间尺度；t表示当前时刻；为第t+k时刻的持续算法功率超短期预测结果；p_SCADA,t为t时刻的实时发电功率；为第t+k时刻的发电功率超短期预测结果；α_k为第k预测时间尺度下的持续系数。

4.根据权利要求3所述的方法，其特征在于，所述第k预测时间尺度下的持续系数α_k的计算式如下：

式中，ε为调整系数。

5.根据权利要求2所述的方法，其特征在于，所述周期优化模型包括如下计算式：

式中，k为预测时刻的时间尺度；t表示当前时刻；为第t+k时刻的周期优化功率超短期预测结果；β为融合系数；p_{day-ahead,t+k}为上一预设周期的第t+k时刻的实际发电功率；为第t+k时刻的发电功率超短期预测结果。

6.根据权利要求2或5所述的方法，其特征在于，所述融合系数是以历史预测时刻的历史发电功率的实际值与预测时刻的周期优化功率超短期预测结果间误差最小为目标进行寻优得到的。

7.根据权利要求2所述的方法，其特征在于，对所述持续算法模型、周期优化模型的结果按下式进行组合：

其中，k为预测时刻的时间尺度；t表示当前时刻；为第t+k时刻组合优化结果；p_SCADA,t为第t时刻实际功率；为第t+k时刻的持续算法功率超短期预测结果；为第t+k时刻的周期优化功率超短期预测结果；为上一次组合优化结果预测的当前时刻的发电功率；γ为组合系数。

8.根据权利要求7所述的方法，其特征在于，所述组合系数是以历史预测时刻的历史发电功率的实际值与预测时刻组合优化结果间误差最小为目标进行寻优得到的。

9.根据权利要求2所述的方法，其特征在于，所述持续算法模型包括以持续计算得到的当前预测时间尺度下的持续系数为权重，对所述光伏电站当前时刻的发电功率和预测时刻的发电功率超短期预测结果进行拟合得到持续算法功率超短期预测结果之后，且在所述周期优化模型包括以持续计算得到的当前预测时间尺度下的融合系数为权重，对所述光伏电站上一预设周期的同一预测时刻的实际发电功率和预测时刻的发电功率超短期预测结果进行拟合得到周期优化功率超短期预测结果之前，还包括：

在日出和日落的预设时段采用净空模型计算净空辐照强度；

将所述净空辐照强度转化为光伏电站的输出功率，并将所述输出功率作为当预测时刻在日出和日落的预设时段时，预测时刻的持续算法功率超短期预测结果。

10.一种光伏发电功率超短期预测结果组合优化系统，其特征在于，包括：采集模块和优化模块；

所述采集模块，用于采集光伏电站当前时刻的发电功率、预测时刻的发电功率超短期预测结果和上一预设周期的同一预测时刻的实际发电功率；

所述优化模块，用于基于所述采集光伏电站当前时刻的发电功率和上一预设周期的同一预测时刻的实际发电功率，利用预先建立组合优化模型对预测时刻的发电功率超短期预测结果进行优化；

其中，所述组合优化模型包括分别以光伏电站当前时刻的发电功率和上一预设周期的同一预测时刻的实际发电功率对发电功率超短期预测结果分别进行优化，然后组合两次优化结果。