專利名稱：一種并網(wǎng)型光伏電站發(fā)電系統(tǒng)輸出功率預(yù)測(cè)方法
技術(shù)領(lǐng)域：
本發(fā)明屬于光伏發(fā)電技術(shù)領(lǐng)域，尤其涉及一種并網(wǎng)型光伏電站發(fā)電系統(tǒng)輸出功率預(yù)測(cè)方法。
背景技術(shù)：
太陽(yáng)能光伏發(fā)電屬于能量密度低、穩(wěn)定性差，調(diào)節(jié)能力差的能源，發(fā)電量受天氣及地域的影響較大，當(dāng)光伏發(fā)電的上網(wǎng)電量與常規(guī)電廠的發(fā)電量處于可比較的數(shù)量級(jí)或成為不可忽略的一部分時(shí)，光伏并網(wǎng)發(fā)電將對(duì)現(xiàn)有發(fā)電模式和電網(wǎng)的穩(wěn)定、經(jīng)濟(jì)、安全運(yùn)行及供電質(zhì)量帶來(lái)一系列影響，例如負(fù)荷峰谷對(duì)電網(wǎng)的影響，晝夜變化、東西部時(shí)差以及季節(jié)的變化對(duì)電網(wǎng)的影響，氣象條件變化對(duì)電網(wǎng)的影響，遠(yuǎn)距離光伏電能輸送帶來(lái)的影響等。由于光伏發(fā)電周期性輸出功率的特殊性,并網(wǎng)以后會(huì)對(duì)電網(wǎng)產(chǎn)生一個(gè)周期性的沖 擊，輸出功率的擾動(dòng)將有可能影響電網(wǎng)的穩(wěn)定，使得配電網(wǎng)規(guī)劃人員更加難于準(zhǔn)確預(yù)測(cè)負(fù)荷的增長(zhǎng)情況，從而影響系統(tǒng)的調(diào)度和機(jī)組出力的計(jì)劃。因此針對(duì)含有光伏并網(wǎng)系統(tǒng)的電網(wǎng)做發(fā)展規(guī)劃時(shí)，有必要對(duì)光伏系統(tǒng)的出力進(jìn)行預(yù)測(cè)，以便了解大規(guī)模的太陽(yáng)能光伏并網(wǎng)系統(tǒng)的發(fā)電運(yùn)行特性以及與電網(wǎng)調(diào)度、電力負(fù)荷等的配合問(wèn)題。光伏發(fā)電出力的準(zhǔn)確預(yù)測(cè)有利于電力系統(tǒng)調(diào)度部門及時(shí)調(diào)整調(diào)度計(jì)劃，有效地減輕光伏并網(wǎng)發(fā)電對(duì)電網(wǎng)的影響。光伏發(fā)電功率目前的預(yù)測(cè)方法主要有時(shí)間序列法、專家系統(tǒng)法、神經(jīng)網(wǎng)絡(luò)法、支持向量機(jī)等。時(shí)間序列法計(jì)算量小，速度較快，在氣象變化不大的時(shí)候預(yù)測(cè)效果良好，但影響發(fā)電功率的要素變化較大時(shí)，如溫度、光照強(qiáng)度等，則難以反映出力與這些變量之間的動(dòng)態(tài)、非線性的關(guān)系，所以對(duì)復(fù)雜多變的光伏發(fā)電預(yù)測(cè)效果較差。專家系統(tǒng)可以避開(kāi)復(fù)雜的數(shù)值計(jì)算，但通用性較差，缺乏學(xué)習(xí)能力。而神經(jīng)網(wǎng)絡(luò)算法只是依據(jù)經(jīng)驗(yàn)風(fēng)險(xiǎn)最小化原理建立起來(lái)的模型，收斂速度慢，可能收斂到局部極小點(diǎn)，知識(shí)表達(dá)困難，難以充分利用調(diào)度人員的經(jīng)驗(yàn)知識(shí)，且需要較長(zhǎng)的訓(xùn)練時(shí)間。支持向量機(jī)也存在一些明顯的缺點(diǎn)，主要由于支持向量機(jī)在訓(xùn)練過(guò)程中需要求解一個(gè)二次規(guī)劃問(wèn)題，這使得對(duì)于大規(guī)模樣本集合來(lái)說(shuō)具有很高的時(shí)間復(fù)雜度和空間復(fù)雜度，為了降低求解二次規(guī)劃的時(shí)間和空間復(fù)雜度，需要將優(yōu)化問(wèn)題分解為若干子問(wèn)題。求解這些子問(wèn)題的算法獲得的通常不是最優(yōu)解，因此降低了支持向量機(jī)的泛化能力。

發(fā)明內(nèi)容
針對(duì)上述背景技術(shù)中提到的預(yù)測(cè)方法在預(yù)測(cè)精度和訓(xùn)練速度方面的劣勢(shì)，本發(fā)明提出了一種并網(wǎng)型光伏電站發(fā)電系統(tǒng)輸出功率預(yù)測(cè)方法。本發(fā)明的技術(shù)方案是，一種并網(wǎng)型光伏電站發(fā)電系統(tǒng)輸出功率預(yù)測(cè)方法，其特征是該方法包括以下步驟步驟I :構(gòu)建樣本集步驟2 :基于曲波變換對(duì)樣本集去噪，得到去噪后的樣本集；步驟3 :利用去噪后的樣本集，建立核匹配追蹤訓(xùn)練模型；
步驟4 :優(yōu)化核匹配追蹤訓(xùn)練模型的系數(shù)；步驟5 :利用已優(yōu)化系數(shù)的核匹配追蹤訓(xùn)練模型進(jìn)行光伏電站發(fā)電功率預(yù)測(cè)。所述步驟I具體為步驟I. I :將光伏系統(tǒng)的發(fā)電功率按照天氣類型進(jìn)行分類；步驟I. 2 :找出指定數(shù)據(jù)進(jìn)行統(tǒng)計(jì)；步驟I. 3 :對(duì)指定數(shù)據(jù)進(jìn)行樣本分析，形成樣本集。所述步驟2具體為步驟2. I :對(duì)樣本集進(jìn)行曲波變換，得到曲波變換系數(shù)；
步驟2. 2 :對(duì)曲波變換系數(shù)進(jìn)行閾值處理，得到修正曲波系數(shù)；步驟2. 3 :對(duì)修正曲波系數(shù)進(jìn)行曲波逆變換，得到去噪后的樣本集。所述步驟3具體為步驟3. I :根據(jù)去噪后的樣本集生成函數(shù)字典；步驟3. 2 :利用函數(shù)字典拓展損失函數(shù)，得到最優(yōu)基函數(shù)；步驟3. 3 由最優(yōu)基函數(shù)求得核匹配追蹤訓(xùn)練模型。所述步驟4具體為步驟4. I :由步驟3得到核匹配追蹤訓(xùn)練模型得到和聲記憶庫(kù)；步驟4. 2 :生成新的和聲,更新和聲記憶庫(kù)；步驟4.3 :重復(fù)步驟4. 2，達(dá)到重復(fù)設(shè)定次數(shù)時(shí)，和聲記憶庫(kù)中的系數(shù)即為核匹配追蹤訓(xùn)練模型的系數(shù)的最優(yōu)值。所述核匹配追蹤訓(xùn)練模型為
N=
/=1其中fN(x)為核匹配追蹤訓(xùn)練模型；CO i為第i個(gè)基函數(shù)的系數(shù)；gi(x)為第i個(gè)基函數(shù)；N為基函數(shù)的數(shù)量。本發(fā)明對(duì)光伏電站發(fā)電功率進(jìn)行預(yù)測(cè)的方法是先用曲波變換對(duì)得到的樣本集進(jìn)行去噪處理，然后用HS優(yōu)化KMP模型中的系數(shù)，最后用優(yōu)化后的KMP模型進(jìn)行預(yù)測(cè)，本發(fā)明適合于光伏電站發(fā)電功率的預(yù)測(cè)，實(shí)現(xiàn)了結(jié)構(gòu)風(fēng)險(xiǎn)最小化的原則，和聲搜索的引入避免了局部最優(yōu)的現(xiàn)象，使預(yù)測(cè)模型更加準(zhǔn)確。


圖I為光伏電站發(fā)電功率預(yù)測(cè)流程圖；圖2為基于曲波變換的方法對(duì)得到的原始樣本集去噪的流程圖；圖3為基于和聲搜索算法優(yōu)化KMP系數(shù)流程圖。
具體實(shí)施例方式下面結(jié)合附圖，對(duì)優(yōu)選實(shí)施例作詳細(xì)說(shuō)明。應(yīng)該強(qiáng)調(diào)的是，下述說(shuō)明僅僅是示例性的，而不是為了限制本發(fā)明的范圍及其應(yīng)用。核匹配追蹤(KMP)學(xué)習(xí)機(jī)是一種新穎的機(jī)器學(xué)習(xí)方法，它的計(jì)算代價(jià)主要花費(fèi)在尋找基函數(shù)及其系數(shù)上，然而每次尋找都是在所有基函數(shù)字典集中遞推式搜索，以尋找最好的匹配于信號(hào)結(jié)構(gòu)的原子，所以KMP的計(jì)算時(shí)間主要取決于字典規(guī)模和達(dá)到擬合精度所需的迭代次數(shù)。這樣，如果字典規(guī)模較大時(shí)，在一次匹配追蹤中要做一次全局搜索，數(shù)次迭代后將會(huì)引入驚人的計(jì)算量。作為一種智能優(yōu)化搜索策略，和聲搜索算法(HS)在眾多領(lǐng)域都得到了廣泛的應(yīng)用并取得了很好的效果，在核匹配追蹤迭代分解的每一步采用和聲搜索算法，通過(guò)和聲搜索選擇機(jī)制代替貪婪搜索方法，對(duì)時(shí)頻原子字典進(jìn)行全局尋優(yōu)，時(shí)頻原子字典即由KMP的權(quán)值系數(shù)所產(chǎn)生的和聲庫(kù)，從而可求出最優(yōu)的權(quán)值系數(shù)。最終的預(yù)測(cè)函數(shù)即為KMP中搜索到的權(quán)系數(shù)和基函數(shù)的線性組合，由得到的預(yù)測(cè)函數(shù)對(duì)光伏電站的發(fā)電功率進(jìn)行預(yù)測(cè)。圖I是本發(fā)明提供的一種基于HS-KMP的光伏電站發(fā)電功率預(yù)測(cè)方法流程圖。圖I中，本發(fā)明提供的方法包括如下的步驟
步驟I :采集預(yù)測(cè)日之前與預(yù)測(cè)日天氣類型相同的5天里同一時(shí)刻的光照強(qiáng)度、溫度和對(duì)應(yīng)的光伏系統(tǒng)的發(fā)電功率，構(gòu)建樣本集。步驟11 :將光伏系統(tǒng)的發(fā)電功率按照相對(duì)應(yīng)的天氣類型劃分為晴、陰、多云、雨四種類型。步驟12 :統(tǒng)計(jì)相關(guān)數(shù)據(jù)；根據(jù)對(duì)光伏系統(tǒng)的發(fā)電功率影響，將樣本的輸入數(shù)據(jù)歸納為如下幾類與預(yù)測(cè)日天氣類型相同的前5天的同一時(shí)刻的光伏系統(tǒng)的發(fā)電功率0 = {0l，O2,…，on}，預(yù)測(cè)日的溫度屬性T，最高氣溫、最低氣溫、平均氣溫T = It1, t2, t3}，以及天氣類型。步驟13 :對(duì)數(shù)據(jù)進(jìn)行樣本分析，形成樣本集。本實(shí)施例中，由于全年每天的日照時(shí)間不盡相同，因此光伏出力的時(shí)間也不盡相同，冬季的日照時(shí)間必會(huì)低于夏季，為了統(tǒng)一光伏出力格式，本發(fā)明規(guī)定每天的光伏出力數(shù)據(jù)的采樣以最大可照時(shí)數(shù)14個(gè)小時(shí)(上午6點(diǎn)到晚上19點(diǎn))為標(biāo)準(zhǔn)，對(duì)于小于標(biāo)準(zhǔn)的數(shù)據(jù)賦值為零補(bǔ)齊。針對(duì)每個(gè)整點(diǎn)時(shí)刻的出力數(shù)據(jù)，分別建立14條記錄來(lái)預(yù)測(cè)光伏系統(tǒng)在對(duì)應(yīng)整點(diǎn)時(shí)刻的光伏出力值。每條記錄除需要保存負(fù)荷數(shù)據(jù)外，還需要保存預(yù)測(cè)點(diǎn)的溫度屬性以及天氣類型。步驟2 :數(shù)據(jù)分析處理，基于曲波變換對(duì)樣本集去噪，形成得到去噪后的樣本集，圖2是利用曲波變換的樣本集去噪方法流程圖；步驟2. I :設(shè)樣本集數(shù)據(jù)表示為{fi，」，i = I, 2,…5，j = I, 2，…，14},在本發(fā)明中，設(shè)M=5天,每天有N=14個(gè)采樣點(diǎn)，則含噪聲的負(fù)荷數(shù)據(jù)表示為{gi,」=^ i,」，i =1,2,-,5, j = 1，2，…，14}，其中，噪聲{1」}服從正態(tài)分布N (0，O2)。確定曲波分解層數(shù)L和每個(gè)層次n上的方向參數(shù)St，對(duì)樣本進(jìn)行曲波變換，得到曲波變換系數(shù)Wg(l，s，i, j) (I=I, 2,…L, s = 1，2，吣51)，其中，I為曲波分解層次，s為方向參數(shù)，i為天數(shù)，j為采樣時(shí)間點(diǎn)；步驟2. 2 :對(duì)分解得到的曲波變換系數(shù)Wg(l，s，i, j)進(jìn)行閾值處理，得到曲波系數(shù)Wf {I,Sj, ])；估計(jì)各個(gè)子帶的噪聲方差，計(jì)算式為
權(quán)利要求
1.一種并網(wǎng)型光伏電站發(fā)電系統(tǒng)輸出功率預(yù)測(cè)方法，其特征是該方法包括以下步驟 步驟I:構(gòu)建樣本集 步驟2 :基于曲波變換對(duì)樣本集去噪，得到去噪后的樣本集； 步驟3 :利用去噪后的樣本集，建立核匹配追蹤訓(xùn)練模型； 步驟4 :優(yōu)化核匹配追蹤訓(xùn)練模型的系數(shù)； 步驟5 :利用已優(yōu)化系數(shù)的核匹配追蹤訓(xùn)練模型進(jìn)行光伏電站發(fā)電功率預(yù)測(cè)。
2.根據(jù)權(quán)利要求I所述的一種并網(wǎng)型光伏電站發(fā)電系統(tǒng)輸出功率預(yù)測(cè)方法，其特征是所述步驟I具體為 步驟I. I :將光伏系統(tǒng)的發(fā)電功率按照天氣類型進(jìn)行分類； 步驟I. 2 :找出指定數(shù)據(jù)進(jìn)行統(tǒng)計(jì)； 步驟I. 3 :對(duì)指定數(shù)據(jù)進(jìn)行樣本分析，形成樣本集。
3.根據(jù)權(quán)利要求I所述的一種并網(wǎng)型光伏電站發(fā)電系統(tǒng)輸出功率預(yù)測(cè)方法，其特征是所述步驟2具體為 步驟2. I :對(duì)樣本集進(jìn)行曲波變換，得到曲波變換系數(shù)； 步驟2. 2 :對(duì)曲波變換系數(shù)進(jìn)行閾值處理，得到修正曲波系數(shù)； 步驟2. 3 :對(duì)修正曲波系數(shù)進(jìn)行曲波逆變換，得到去噪后的樣本集。
4.根據(jù)權(quán)利要求I所述的一種并網(wǎng)型光伏電站發(fā)電系統(tǒng)輸出功率預(yù)測(cè)方法，其特征是所述步驟3具體為 步驟3. I :根據(jù)去噪后的樣本集生成函數(shù)字典； 步驟3. 2 :利用函數(shù)字典拓展損失函數(shù)，得到最優(yōu)基函數(shù)； 步驟3. 3 :由最優(yōu)基函數(shù)求得核匹配追蹤訓(xùn)練模型。
5.根據(jù)權(quán)利要求I所述的一種并網(wǎng)型光伏電站發(fā)電系統(tǒng)輸出功率預(yù)測(cè)方法，其特征是所述步驟4具體為 步驟4. I :由步驟3得到核匹配追蹤訓(xùn)練模型得到和聲記憶庫(kù)； 步驟4. 2 :生成新的和聲,更新和聲記憶庫(kù)； 步驟4. 3 :重復(fù)步驟4. 2，達(dá)到重復(fù)設(shè)定次數(shù)時(shí)，和聲記憶庫(kù)中的系數(shù)即為核匹配追蹤訓(xùn)練模型的系數(shù)的最優(yōu)值。
6.根據(jù)權(quán)利要求3所述的一種并網(wǎng)型光伏電站發(fā)電系統(tǒng)輸出功率預(yù)測(cè)方法，其特征是所述核匹配追蹤訓(xùn)練模型為
全文摘要
本發(fā)明公開(kāi)了光伏發(fā)電技術(shù)領(lǐng)域中的一種并網(wǎng)型光伏電站發(fā)電系統(tǒng)輸出功率預(yù)測(cè)方法。本發(fā)明首先構(gòu)建樣本集對(duì)樣本集去噪，得到去噪后的樣本集；然后利用去噪后的樣本集，建立核匹配追蹤訓(xùn)練模型；之后利用和聲搜索算法優(yōu)化核匹配追蹤訓(xùn)練模型的系數(shù)；最后利用已優(yōu)化系數(shù)的核匹配追蹤訓(xùn)練模型進(jìn)行光伏電站發(fā)電功率預(yù)測(cè)。本發(fā)明避免了局部最優(yōu)的現(xiàn)象，使預(yù)測(cè)模型更加準(zhǔn)確，具備很好的非線性處理能力和高維數(shù)據(jù)處理能力。
文檔編號(hào)G06Q10/04GK102799948SQ201210212158
公開(kāi)日2012年11月28日 申請(qǐng)日期2012年6月21日 優(yōu)先權(quán)日2012年6月21日
發(fā)明者李元誠(chéng), 王旭峰, 楊瑞仙 申請(qǐng)人:華北電力大學(xué)