[发明专利]基于SAGA-FCM-LSSVM模型的光伏电站实时功率预测方法

摘要

本发明涉及基于SAGA‑FCM‑LSSVM模型的光伏电站实时功率预测方法，采集光伏电站对应时段发电功率以及气象站上对应的气象参数，获取气象‑功率参数样本；对每天的气象‑功率参数样本进行预处理；根据四项统计指标结合基于模拟退火遗传算法的模糊C‑均值聚类算法对历史日中第一天到待预测日前一天的样本进行聚类；根据各个聚类样本集合的气象特征值，计算每个聚类气象特征值的中心点，利用欧氏距离判断待预测日所属的类别；利用与待预测日同属一类的参数样本训练最小二乘支持向量机，得到训练模型；将待预测日的待预测时刻前2h的气象参数和功率值输入训练模型中对待预测日各个时刻的发电功率进行实时预测。本发明能够实时预测光伏电站在各个时刻的输出功率值。

主权项

1.一种基于SAGA‑FCM‑LSSVM模型的光伏电站实时功率预测方法，其特征在于，按照如下步骤实现：步骤S1：采集光伏电站历史每天每小时的发电功率以及气象站上每天对应时间段的气象参数，并建立每天每小时的气象‑功率参数样本；步骤S2：对每天的气象‑功率参数样本进行预处理，去除异常数据，并进行归一化处理；步骤S3：根据归一化后的统计分析中的四项统计指标，并结合基于模拟退火遗传算法的模糊C‑均值聚类算法，对历史日中第一天到待预测日前一天的样本进行聚类，并根据轮廓系数确定类别数；步骤S4：根据各个聚类样本集合的气象特征值，计算每个聚类气象特征值的中心点，采用欧氏距离判断待预测日所属的类别；步骤S5：根据与待预测日同属一类的参数样本，训练最小二乘支持向量机，建立训练模型；步骤S6：将待预测日的待预测时刻前2h的气象参数和功率值输入所述训练模型中，对待预测日各个时刻的发电功率进行实时预测。