[发明专利]基于支持向量机算法的光伏发电短期功率滚动预测方法

摘要

本发明涉及一种基于支持向量机算法的光伏发电短期功率滚动预测方法，以相似日的发电功率和预测日当天气预报数据作为预测模型的输入量，对次日一天的光伏发电功率进行预测，到次日之后，随着实际功率数据的采集，再以次日各预测点的实际输出功率与预测功率不断滚动向前进行对比，当预测点不满足给定预测精度要求时，以当日实际功率和实测天气数据为输入数据，建立新的PSO‑SVM预测模型，对后期预测点的功率进行修正预测。本发明能够提高预测精度。

主权项

一种基于支持向量机算法的光伏发电短期功率滚动预测方法，以相似日的发电功率和预测日当天气预报数据作为预测模型的输入量，对次日一天的光伏发电功率进行预测，到次日之后，随着实际功率数据的采集，再以次日各预测点的实际输出功率与预测功率不断滚动向前进行对比，当预测点不满足给定预测精度要求时，以当日实际功率和实测天气数据为输入数据，建立新的PSO‑SVM预测模型，对后期预测点的功率进行修正预测。步骤如下：步骤1：选择相似日：选择以对光伏发电功率影响最为明显的光照强度与温度数据作为相似日选择的环境因素判别依据，以相似度最大的历史日作为待预测日的相似日；步骤2：数据预处理：选取光伏发电系统的历史功率数据和对应的天气因素数据，建立训练数据集与测试数据集，剔除坏数据，并将数据进行归一化；步骤3：初始化模型参数：对PSO算法中的种群规模、迭代次数、初始粒子的速度和位置以及粒子的速度和位置的变化范围进行设定，对SVM算法中的正规化参数C，以及核参数σ进行初始化；步骤4：确定最优模型参数：利用历史功率数据和对应的天气因素数据，通过PSO算法，对正规化参数C，以及核参数σ进行寻优，确定其最优参数值；步骤5：建立PSO‑SVM预测模型：根据PSO算法得到的最优参数值，建立光伏发电系统短期发电功率的预测模型，输出光伏发电系统的短期功率，对提前一天的功率进行预测；预测模型的输入数据包括两类，分别是环境数据和功率数据，环境数据为待预测点前一时刻的环境实测数据，包括实测温度数据和光照强度数据，功率数据包括相似日该预测点的功率数据以及相似日中该预测点前后两个相邻时间点的功率数据；而当预测精度不满足要求时，预测模型的输入数据为：相似日中该预测点及前后两个相邻预测点的功率数据、预测日该预测点连续前三个预测点的实测功率数据和包括实测温度数据和光照强度数据在内的天气数据；模型的输出数据即为预测点的预测功率数据；步骤6：滚动预测：以次日各预测点的实际输出功率与预测功率进行对比，当预测精度不满足要求时，以预测点的实际功率和实测天气数据重新作为模型输出量，下一个预测点的功率进行修正预测。