一种基于历史数据的光伏发电负荷预测方法与流程

1.本发明属于光伏发电负荷预测技术领域，特别涉及一种基于历史数据的光伏发电负荷预测方法。


背景技术：

2.随着科技的不断发展，为了保护传统能源和生态环境，人们开始广泛的使用太阳能发电等新能源。但是由于新能源的加入电网，如何更好的对电能进行分配以保证其经济性和可靠性，是需要进行妥善的分配到。为了更好的进行能源分配，若能对太阳能发电进行准确的预测，那么将大大的方便能源分配工作并保证合理分配。
3.本发明提出一种基于历史数据的光伏发电负荷预测方法，根据历史数据建立决策超平面，找到最优超平面，使得所述决策超平面两侧距离超平面最近的所述样本点距离最远，进而根据所述光伏发电预测负荷前的负荷对当日负荷进行预测；再根据所述光伏发电预测负荷前的光照信息对其进行修正，获得更加准确的预测负荷。


技术实现要素：

4.本发明提供一种基于历史数据的光伏发电负荷预测方法，能够更加准确的进行光伏发电负荷预测。
5.本发明具体为一种基于历史数据的光伏发电负荷预测方法，所述光伏发电负荷预测方法包括以下步骤：
6.步骤(1)：调取所述光伏发电预测负荷前7日负荷值，构成样本集；
7.步骤(2)：建立决策超平面；
8.步骤(3)：计算样本点距离所述决策超平面距离；
9.步骤(4)：通过计算各个所述样本点到所述决策超平面的距离找到一个最优超平面，使得所述决策超平面两侧距离超平面最近的所述样本点距离最远；
10.步骤(5)：计算出所述光伏发电预测负荷；
11.步骤(6)：调取所述光伏发电预测负荷前1日和7日光照信息；
12.步骤(7)：采集当日所述光照信息；
13.步骤(8)：根据所述光照信息进行所述光伏发电预测负荷修正，得到最终的负荷预测值。
14.建立所述决策超平面的方法为：f(x)＝w
t
x+b，其中w
t
为权重，(x,y)为所述样本集，b为位移相。
15.计算样本点距离所述决策超平面距离的算法为：y
i-f(x)＝y
i-w
t
x-b，其中i＝1,2,
…
,7。
16.计算出所述光伏发电预测负荷的具体方法包括：
17.(1)计算出所述光伏发电预测负荷前1日负荷值得到的所述光伏发电预测负荷；
18.(2)计算出所述光伏发电预测负荷前7日负荷值得到的所述光伏发电预测负荷；
19.(3)计算所述光伏发电预测负荷前1日负荷值得到的所述光伏发电预测负荷与所述光伏发电预测负荷前7日负荷值得到的所述光伏发电预测负荷平均值，作为所述光伏发电预测负荷。
20.计算所述光伏发电预测负荷的算法为：约束条件为其中c为惩罚因子，ξi为松弛因子。
21.根据所述光照信息进行所述光伏发电预测负荷修正的方法为：其中l为当日所述光照信息，l1为所述光伏发电预测负荷前1日所述光照信息，l7为所述光伏发电预测负荷前7日所述光照信息。
22.与现有技术相比，有益效果是：所述光伏发电负荷预测方法根据历史数据建立决策超平面，找到最优超平面，使得所述决策超平面两侧距离超平面最近的所述样本点距离最远，进而根据所述光伏发电预测负荷前1日和7日的负荷对当日负荷进行预测；再根据所述光伏发电预测负荷前1日和7日的光照信息对其进行修正，获得更加准确的预测负荷。
附图说明
23.图1为本发明一种基于历史数据的光伏发电负荷预测方法的工作流程图。
具体实施方式
24.下面结合附图对本发明一种基于历史数据的光伏发电负荷预测方法的具体实施方式做详细阐述。
25.本发明的光伏发电负荷预测方法根据前7日负荷值对光伏发电进行预估，再根据光照信息进行修正，如图1所示，具体包括以下步骤：
26.步骤(1)：调取所述光伏发电预测负荷前7日负荷值，构成样本集；
27.步骤(2)：建立决策超平面f(x)＝w
t
x+b，其中w
t
为权重，(x,y)为所述样本集，b为位移相；
28.步骤(3)：计算样本点距离所述决策超平面距离y
i-f(x)＝y
i-w
t
x-b，其中i＝1,2,
…
,7；
29.步骤(4)：通过计算各个所述样本点到所述决策超平面的距离找到一个最优超平面，使得所述决策超平面两侧距离超平面最近的所述样本点距离最远；
30.步骤(5)：计算出所述光伏发电预测负荷；
31.步骤(6)：调取所述光伏发电预测负荷前1日和7日光照信息；
32.步骤(7)：采集当日所述光照信息；
33.步骤(8)：根据所述光照信息进行所述光伏发电预测负荷修正，得到最终的负荷预测值。
34.计算出所述光伏发电预测负荷的算法为：约束条件为其中c为惩罚因子，ξi为松弛因子；
35.具体包括：
36.(1)计算出所述光伏发电预测负荷前1日负荷值得到的所述光伏发电预测负荷y
pre-1
；
37.(2)计算出所述光伏发电预测负荷前7日负荷值得到的所述光伏发电预测负荷y
pre-2
；
38.(3)计算所述光伏发电预测负荷前1日负荷值得到的所述光伏发电预测负荷与所述光伏发电预测负荷前7日负荷值得到的所述光伏发电预测负荷平均值，作为所述光伏发电预测负荷。
39.根据所述光照信息进行所述光伏发电预测负荷修正的方法为：其中l为当日所述光照信息，l1为所述光伏发电预测负荷前1日所述光照信息，l7为所述光伏发电预测负荷前7日所述光照信息。
40.最后应该说明的是，结合上述实施例仅说明本发明的技术方案而非对其限制。所属领域的普通技术人员应当理解到，本领域技术人员可以对本发明的具体实施方式进行修改或者等同替换，但这些修改或变更均在申请待批的权利要求保护范围之中。


技术特征：
1.一种基于历史数据的光伏发电负荷预测方法，其特征在于，所述光伏发电负荷预测方法包括以下步骤：步骤(1)：调取所述光伏发电预测负荷前7日负荷值，构成样本集；步骤(2)：建立决策超平面；步骤(3)：计算样本点距离所述决策超平面距离；步骤(4)：通过计算各个所述样本点到所述决策超平面的距离找到一个最优超平面，使得所述决策超平面两侧距离超平面最近的所述样本点距离最远；步骤(5)：计算出所述光伏发电预测负荷；步骤(6)：调取所述光伏发电预测负荷前1日和7日光照信息；步骤(7)：采集当日所述光照信息；步骤(8)：根据所述光照信息进行所述光伏发电预测负荷修正，得到最终的负荷预测值。2.根据权利要求1所述的一种基于历史数据的光伏发电负荷预测方法，其特征在于，建立所述决策超平面的方法为：f(x)＝w
t
x+b，其中w
t
为权重，(x,y)为所述样本集，b为位移相。3.根据权利要求2所述的一种基于历史数据的光伏发电负荷预测方法，其特征在于，计算样本点距离所述决策超平面距离的算法为：y
i-f(x)＝y
i-w
t
x-b，其中i＝1,2,
…
,7。4.根据权利要求3所述的一种基于历史数据的光伏发电负荷预测方法，其特征在于，计算出所述光伏发电预测负荷的具体方法包括：(1)计算出所述光伏发电预测负荷前1日负荷值得到的所述光伏发电预测负荷；(2)计算出所述光伏发电预测负荷前7日负荷值得到的所述光伏发电预测负荷；(3)计算所述光伏发电预测负荷前1日负荷值得到的所述光伏发电预测负荷与所述光伏发电预测负荷前7日负荷值得到的所述光伏发电预测负荷平均值，作为所述光伏发电预测负荷。5.根据权利要求4所述的一种基于历史数据的光伏发电负荷预测方法，其特征在于，计算所述光伏发电预测负荷的算法为：约束条件为其中c为惩罚因子，ξ
i
为松弛因子。6.根据权利要求5所述的一种基于历史数据的光伏发电负荷预测方法，其特征在于，根据所述光照信息进行所述光伏发电预测负荷修正的方法为：其中l为当日所述光照信息，l1为所述光伏发电预测负荷前1日所述光照信息，l7为所述光伏发电预测负荷前7日所述光照信息。

技术总结
本发明提供了一种基于历史数据的光伏发电负荷预测方法，包括：(1)：调取所述光伏发电预测负荷前7日负荷值，构成样本集；(2)：建立决策超平面；(3)：计算样本点距离所述决策超平面距离；(4)：通过计算各个所述样本点到所述决策超平面的距离找到一个最优超平面，使得所述决策超平面两侧距离超平面最近的所述样本点距离最远；(5)：计算出所述光伏发电预测负荷；(6)：调取所述光伏发电预测负荷前1日和7日光照信息；(7)：采集当日所述光照信息；(8)：根据所述光照信息进行所述光伏发电预测负荷修正，得到最终的负荷预测值。本发明提供一种基于历史数据的光伏发电负荷预测方法，能够更加准确的进行光伏发电负荷预测。的进行光伏发电负荷预测。的进行光伏发电负荷预测。


技术研发人员：李楠
受保护的技术使用者：国网江苏省电力有限公司南通供电分公司
技术研发日：2022.10.12
技术公布日：2022/12/26