一种光伏电站超短时功率预测修正方法
【技术领域】
[0001] 本发明设及一种光伏电站的功率预测修正方法。
【背景技术】
[0002] 大规模光伏并网发电是充分利用太阳能的一种有效方式。但是，光伏发电系统大 规模接入电网，会给电网可靠、稳定运行带来诸多问题，给电网调度增加困难，影响电网的 传统开机方式和调度方式。对光伏发电系统进行功率预测，对于光伏发电系统的投资规划 及优化设计等有重要的作用。尤其是超短期功率预测，有助于判断光伏发电系统输出功率 的变化趋势，进而降低光伏发电系统输出功率波动性对电力系统的影响，减少电网调度计 划安排的偏差，进一步提高电力系统运行安全性和经济性。
[0003] 由于光伏发电受太阳福射强度、溫度、湿度和云量等多因素影响，具有很强的随机 性，光伏发电系统输出功率预测难度很大。目前采用的方法有神经网络模型法和支持向量 机（SVM)模型法，神经网络模型法是根据历史功率数据和简单日模型估计，建立基于神经 网络模型的光伏发电功率预测系统，W预测光伏发电系统每小时的输出功率，而支持向量 机（SVM)模型法是根据历史功率数据和简单日模型估计，建立基于支持向量机（SVM)模型 的光伏发电功率预测系统，W预测光伏发电系统每小时的输出功率，W上预测方法均为超 短期光伏功率预测。存在的问题是，W上功率预测方法采用的日模型均为简单日模型，比 如日模型仅仅简单地分为几种类型，并没有对各种有效的气象因素对光伏发电系统的发电 功率的影响进行全面的考察，所建立的功率预测模型在多种气象条件下的有效性还有待验 证。特别地，运几种方法得到的光伏电站预测功率对预测日的气象各要素的实时变化信息 处理不够，例如对多云、暴雨等突发天气很难实现超短时的精确预测。此外，电网调度部口 对功率预测的时间分辨率要求为15min，W上功率预测模型W及预测时间尺度不能满足电 网调度的实际要求。
【发明内容】
[0004] 为了解决现有技术中的上述不足，本发明提供一种光伏电站超短时功率预测修正 方法，引入了溫度变化量、福照度变化量、W及湿度变化量运些气象参数用来衡量实时天气 变化，对原有功率预测模型的光伏电站预测功率值加 W修正，W提高光伏电站超短时功率 预测的准确性。 阳〇化]为了解决上述技术问题，本发明采用W下的技术方案：
[0006] 一种光伏电站超短时功率预测修正方法，包括W下步骤：
[0007] 步骤一，对光伏电站历史数据按月建立4种日类型集合；
[0008] 光伏电站历史数据按月建立4种日类型集合，其具体实施方法为同周期历史 气象参数及光伏发电功率为主要参数依据，按月建立数据集合，每月同日类型的光伏电站 的气象变化和发电功率具有相似性；
[0009] 4种日类型集合为A、B、C、D四种，其中A类日类型为晴、晴间多云、多云间晴天气， B类日类型为阴、阴间多云、多云、多云间阴、雾天气，C类日类型为雨夹雪、小雨、冻雨、小至U 中雨、阵雪、小雪、小到中雪阵雨、雷阵雨、雷阵雨伴有冰富天气，D类日类型为特大暴雨、中 雪、大雪、暴雪、大暴雨到特大暴雨、中雨、大雨、暴雨、大暴雨、中到大雪、大到暴雪、沙尘暴、 中到大雨、大到暴雨、雷雨到大暴雨天气；
[0010] 步骤二，每数据集合选取每周6个工作日的光伏电站历史数据，共建立每月24组 工作日数据，其中每组工作日的光伏电站历史数据至少包括溫度T、湿度S、福照度F、光伏 电站实测功率P。、W及功率预测系统的光伏电站预测功率Py,每组工作日的光伏电站历史 数据从早晨6点到下午6点之间采集，光伏电站历史数据的采集分辨率为15分钟；
[0011] 步骤=，计算每个工作日连续两采集点之间的溫度变化值ATw、湿度变化值ASw、 福照度变化值A Fw、W及当前采集点的光伏电站实测功率与预测功率差值APw;
[0012] 其实现方法为： 阳01引 A Tn= T N I-Tn 2;
[0014] A Sn= S N I-Sn 2;
[001 引 A Fn= F N I-Fn 2;
[0016] APn= Pc, N-Py, N;
[0017] N点是未来的时间点，N-I和N-2是已经发生的时间点，我们运里用前面两个时间 点的溫度、湿度、福照度的变化规律来衡量未来时间点的变化规律；
[0018] 其中A Tw为工作日第N个采集点的溫度变化值，A S W为工作日第N个采集点的湿 度变化值，AFw为工作日第N个采集点的福照度变化值，APw为工作日第N个采集点的实 测功率与预测功率差值，P。^为工作日第N个采集点的光伏电站实测功率，Py,W为工作日第 N个采集点的光伏电站预测功率，N为工作日的第N个采集点，早晨6点为第一个采集点，此 时N为1，下午6点为最后一个采集点，此时N为48,每个工作日连续两采集点之间的溫度 变化值A町、湿度变化值A或、福照度变化值A Fw均为46个；
[0019] 步骤四，按月计算每数据集合连续两采集点的溫度影响系数Ktw、湿度影响系数 KSn、福照度影响系数KfN;
[0020] 第N个采集点的光伏电站实测功率与预测功率差值A Pw为：
[0021] -二 ?投AW + ASy "?短紙乂十么/^一的'义^成 阳02引对于光伏电站的历史发电数据，上述A Pw的算式存在3个未知数，即Ktw,M、Ksw,m、 Kfw,M，需要3组数据可W求出Ktw m、Ksw M、Kfw,M，但在数据集合中对应某种日类型存在6组工 作日数据，故可W得到
种解，具体来说，对于溫度影响系数Ktw,具有Ktw,e 个解，B是1到20的数，对于湿度影响系数Ksw，具有Ksw,e个解，B是1到20的数，对于福照 度影响系数Kfw,具有个解，B是1到20的数；于是，
[0023] 某日类型下的第N采集点的溫度影响系数Ktw为：
[0025] 某日类型下的第N采集点的湿度影响系数Ksw为：
[0027] 某日类型下的第N采集点的福照度影响系数Kfw为：
[0029] 步骤五，对光伏电站预测功率进行修正，其方法为：
[0030] Px,N= P y,N+ A Tn ? KtN+ A Sn ? KSn+ A Fn ? KfN;
[0031] 其中，Px,W为工作日第N个采集点的光伏电站预测功率修正值，Py,W为工作日第N 个采集点的光伏电站预测功率，ATN、KtN、ASn、Ksn、AFN、KfN同上；
[0032] 上述求解某月某种日类型的超短时功率预测修正方法，按其同样方法可W应用于 某月其它3种日类型的超短时功率预测修正方法，也同理可W应用于其它月的4种不同日 类型超短时功率预测修正方法。
[0033] 本发明的有益效果是：提供一种光伏电站超短时功率预测修正方法，引入了溫度 变化量、福照度变化量、W及湿度变化量运些气象参数用来衡量实时天气变化，也即把时时 的气象变化因素考虑进来，才能有效了解当前具体的溫度、福照度、湿度的变化情况，来准 确分析当前的气象变化规律，通过当前的气象变化规律更加准确地纠正下一个时间点的功 率预测结果，该功率修正方法可W更加准确地衡量某种日类型下天气变化对光伏电站发电 功率的影响，从而对原有功率预测模型的光伏电站预测功率加 W修正，W提高光伏电站超 短时功率预测的准确性。
【附图说明】
[0034] 图1为本发明一种光伏电站超短时功率预测修正方法的步骤图；
[0035] 图2为采用本发明得到的光伏电站预测功率修正值曲线图W及光伏电站实测功 率曲线图；
[0036] 图3为本发明的溫度、湿度、福照度的日变化曲线图；
[0037] 附图标记说明：1-光伏电站预测功率修正值曲线，2-光伏电站实测功率曲线； 3-溫度日变化曲线；4-湿度日变化曲线；5-福照度变化曲线。
【具体实施方式】
[0038] 下面结合附图与实施例对本发明作进一步详细描述：
[0039] 如图1所示，一种光伏电站超短时功率预测修正方法，包括W下步骤：
[0040] 步骤一，对光伏电站历史数据按月建立4种日类型集合；
[0041] 光伏电站历史数据按月建立4种日类型集合，其具体实施方法为同周期历史 气象参数及光伏发电功率为主要参数依据，按月建立数据集合，每月（同周期）同日类型 (例如晴天）的光伏电站的气象变化和发电功率具有相似性；
[0042] 4种日类型集合为A、B、C、D四种，其中A类日类型为晴、晴间多云、多云间晴天气， B类日类型为阴、阴间多云、多云、多云间阴、雾天气，C类日类型为雨夹雪、小雨、冻雨、小至U 中雨、阵雪、小雪、小到中雪阵雨、雷阵雨、雷阵雨伴有冰富天气，D类日类型为特大暴雨、中 雪、大雪、暴雪、大暴雨到特大暴雨、中雨、大雨、暴雨、大暴雨、中到大雪、大到暴雪、沙尘暴、 中到大雨、大到暴雨、雷雨到大暴雨天气；
[0043] 步骤二，每数据集合选取每周6个工作日的光伏电站历史数据，共建立每月24组 工作日数据，其中每组工作日的光伏电站历史数据至少包括溫度T、湿度S、福照度F、光伏 电站实测功率P。、W及功率预测系统的光伏电站预测功率Py,每组工作日的光伏电站历史 数据从早晨6点到下午6点之间采集，光伏电站历史数据的采集分辨率为15分钟； W