本發(fā)明涉及一種采用分步方式對光伏電站的發(fā)電功率進行預(yù)測的方法，屬于發(fā)電技術(shù)領(lǐng)域。

背景技術(shù)：
光伏發(fā)電作為可再生能源的重要組成部分近年來得到了快速發(fā)展，并網(wǎng)型光伏電站是目前光伏發(fā)電的主要利用形式。光伏發(fā)電功率受各種因素的影響，表現(xiàn)出明顯的間歇性和波動性，大規(guī)模光伏發(fā)電并網(wǎng)會給電力系統(tǒng)的調(diào)度控制帶來嚴峻挑戰(zhàn)。為了使電網(wǎng)最大限度消納這些綠色電源，并網(wǎng)型光伏電站必須具備發(fā)電功率預(yù)測能力。對于已經(jīng)建成的光伏電站而言，各個發(fā)電單元對應(yīng)組件的規(guī)格型號、物理特性和安裝方式已經(jīng)確定，其發(fā)電功率主要取決于外部運行條件，即氣象因素（如輻照度、環(huán)境溫度、風速等）。當前，對光伏發(fā)電功率的預(yù)測通常采用直接預(yù)測方式，這種方式利用發(fā)電功率和氣象參數(shù)等變量的歷史數(shù)據(jù)建立預(yù)測模型，可直接得到發(fā)電功率的預(yù)測值。直接預(yù)測方式雖簡單易行，但在同一預(yù)測模型中涵蓋了輸入因子的預(yù)測和輸入因子與輸出功率之間復(fù)雜的映射關(guān)系，不利于輸入因子的優(yōu)化選擇、模型參數(shù)的尋優(yōu)和模型預(yù)測性能的提升，同時，也不利于工程實際中預(yù)測算法和模型的設(shè)計實現(xiàn)。因此，如何采用更合適的方式降低預(yù)測模型輸入變量之間的關(guān)聯(lián)耦合對預(yù)測性能的影響，是光伏電站發(fā)電功率預(yù)測中亟待解決的問題。

技術(shù)實現(xiàn)要素：
本發(fā)明的目的在于針對現(xiàn)有技術(shù)之弊端，提供一種采用分步方式的光伏電站發(fā)電功率預(yù)測方法，以降低預(yù)測模型輸入變量之間的關(guān)聯(lián)耦合對預(yù)測性能的影響，提高預(yù)測結(jié)果的精準性。本發(fā)明所述問題是以下述技術(shù)方案實現(xiàn)的：一種采用分步方式的光伏電站發(fā)電功率預(yù)測方法，所述方法首先基于光伏電站歷史數(shù)據(jù)的統(tǒng)計規(guī)律選擇對光伏發(fā)電功率有影響的氣象參數(shù)作為發(fā)電功率氣象影響因子，然后采用智能方法對這些氣象影響因子進行預(yù)測，最后利用氣象影響因子的預(yù)測結(jié)果和建立的光伏電站發(fā)電功率特性模型，映射得到光伏電站發(fā)電功率的預(yù)測值，具體步驟如下：①識別與優(yōu)化發(fā)電功率氣象影響因子通過對光伏電站的歷史數(shù)據(jù)進行統(tǒng)計分析，選擇部分對光伏發(fā)電功率有影響的氣象參數(shù)，確定氣象影響因子；②預(yù)測發(fā)電功率氣象影響因子根據(jù)各個發(fā)電功率氣象影響因子的變化規(guī)律，在規(guī)定的時間尺度下采用智能方法對其進行預(yù)測，其中，氣象影響因子的短期預(yù)測可按照天氣類型劃分為若干子模型；對于天氣類型信息缺失的數(shù)據(jù)記錄，可利用輻照度逐日變化規(guī)律和不同天氣類型之間的內(nèi)在關(guān)聯(lián)關(guān)系，對缺失的天氣類型進行辨識；得到氣象影響因子的預(yù)測值后，針對其中的輻照度預(yù)測值，通過與輻照度歷史數(shù)據(jù)生成的參考值聯(lián)合加權(quán)的方式進行修正；③建立光伏電站各個發(fā)電單元功率特性模型以發(fā)電單元為單位，將光伏電站發(fā)電功率氣象影響因子作為輸入?yún)?shù)，各個發(fā)電單元的功率作為輸出參數(shù)，建立光伏電站各個發(fā)電單元的輸入、輸出參數(shù)關(guān)聯(lián)數(shù)據(jù)庫，其中每條數(shù)據(jù)記錄的結(jié)構(gòu)是{氣象影響因子1，氣象影響因子2，…，氣象影響因子n，發(fā)電功率}，所述關(guān)聯(lián)數(shù)據(jù)庫即為各個發(fā)電單元的功率特性模型；④映射得到光伏電站發(fā)電功率預(yù)測值利用數(shù)據(jù)挖掘技術(shù)，將序列{氣象影響因子1預(yù)測值，氣象影響因子2預(yù)測值，…，氣象影響因子n預(yù)測值}輸入各個發(fā)電單元的功率特性模型，映射得到各個發(fā)電單元輸出功率的預(yù)測值；若任一發(fā)電單元的關(guān)聯(lián)數(shù)據(jù)庫中不存在一條數(shù)據(jù)記錄與該序列完全相同，則利用各條數(shù)據(jù)記錄與該序列的加權(quán)距離得到該發(fā)電單元輸出功率的預(yù)測值；將所有處于工作狀態(tài)發(fā)電單元的輸出功率預(yù)測值累加，即得到整個光伏電站的發(fā)電功率預(yù)測值。上述采用分步方式的光伏電站發(fā)電功率預(yù)測方法，所選擇的發(fā)電功率氣象影響因子包括：輻照度、環(huán)境溫度、組件溫度和風速；在光伏電站數(shù)據(jù)采集條件允許的情況下，還包括：相對濕度、云量和氣壓。本發(fā)明物理意義清晰，與直接預(yù)測方式相比能夠有效消除多元輸入之間的關(guān)聯(lián)耦合對預(yù)測模型學(xué)習(xí)訓(xùn)練效果的影響，提高了光伏電站發(fā)電功率預(yù)測的準確性，有利于預(yù)測算法和模型在工程實際中的實現(xiàn)。附圖說明下面結(jié)合附圖對本發(fā)明作進一步說明。圖1是采用分步方式的光伏電站發(fā)電功率預(yù)測方法流程圖。具體實施方式本發(fā)明提出了一種采用分步方式的光伏電站發(fā)電功率預(yù)測方法。所述方法包括以下步驟：a.識別與優(yōu)化發(fā)電功率氣象影響因子在現(xiàn)有光伏電站數(shù)據(jù)采集記錄條件下，通過對歷史數(shù)據(jù)的統(tǒng)計分析，科學(xué)合理地選擇適當數(shù)量的對光伏發(fā)電功率有影響的氣象參數(shù)，確定氣象影響因子。所述氣象影響因子包括：輻照度、環(huán)境溫度、組件溫度和風速，根據(jù)光伏電站的實際情況可進行調(diào)整，如增加：相對濕度、云量和氣壓。b.預(yù)測發(fā)電功率氣象影響因子根據(jù)各個發(fā)電功率氣象影響因子的變化規(guī)律，在規(guī)定的時間尺度下采用適合的智能方法對其進行預(yù)測。其中，氣象影響因子的短期預(yù)測可按照天氣類型劃分為若干子模型。對于天氣類型信息缺失的數(shù)據(jù)記錄，可利用輻照度逐日變化規(guī)律和不同天氣類型之間的內(nèi)在關(guān)聯(lián)關(guān)系，對缺失的天氣類型進行辨識，提高歷史數(shù)據(jù)的可用性。得到氣象影響因子的預(yù)測值后，針對其中的輻照度預(yù)測值，通過與輻照度歷史數(shù)據(jù)生成的參考值聯(lián)合加權(quán)的方式進行修正，以進一步提高其準確性。天氣類型是大氣物理狀態(tài)的一種標簽，綜合了各氣象因素在時間和空間上的分布。不同天氣類型條件下各氣象因素的變化規(guī)律不同，采用同一模型很難準確預(yù)測這些氣象因素。因此，按天氣類型進行分類，針對不同天氣狀態(tài)建立不同的氣象影響因子短期預(yù)測子模型，可以更好地挖掘出歷史數(shù)據(jù)蘊含的內(nèi)在關(guān)聯(lián)關(guān)系，能夠有效提高氣象影響因子預(yù)測的精度。對于天氣類型信息缺失的光伏電站逐日歷史數(shù)據(jù)，利用輻照度逐日變化規(guī)律和不同天氣類型之間的內(nèi)在關(guān)聯(lián)關(guān)系，以輻照度特征參數(shù)作為輸入，以天氣類型作為輸出，通過支持向量機方法，建立天氣類型辨識模型，擬合描述輻照度逐日變化規(guī)律的特征參數(shù)與天氣類型之間的非線性映射關(guān)系，然后根據(jù)特征參數(shù)識別得到逐日數(shù)據(jù)記錄中缺失的天氣類型。地球的公轉(zhuǎn)和自轉(zhuǎn)使到達地球外大氣層上界的太陽輻照呈現(xiàn)出與年份、日期、時刻有關(guān)的周期性變化規(guī)律。鄰近年份、相同日期和時刻地外輻照度數(shù)值之間的差別微乎其微；并且，同年鄰近日期、相同時刻的地外輻照度數(shù)值基本相同。經(jīng)歷傳輸過程中的衰減之后，到達光伏電站的地表輻照度表現(xiàn)出與之類似的變化規(guī)律。依據(jù)上述規(guī)律對輻照度的預(yù)測值進行修正，首先由光伏電站輻照度歷史數(shù)據(jù)確定輻照度參考值，其次計算預(yù)測時刻對應(yīng)參考值權(quán)重系數(shù)，再次歸一化處理預(yù)測值和參考值權(quán)重系數(shù)，最后聯(lián)合加權(quán)求出預(yù)測時刻光伏電站地表輻照度的預(yù)測修正值。氣象影響因子預(yù)測可由光伏電站發(fā)電功率預(yù)測系統(tǒng)實現(xiàn)，也可由氣象部門提供。c.建立光伏電站各個發(fā)電單元功率特性模型光伏電站通常由一系列逆變器對應(yīng)的發(fā)電單元組成，整個光伏電站的發(fā)電功率是由各個發(fā)電單元的功率輸出匯聚而成。不同發(fā)電單元的組件類型、安裝方式、衰減特性不盡相同，因而出力特性各異。為了實現(xiàn)光伏電站發(fā)電功率的準確預(yù)測，應(yīng)按發(fā)電單元建立功率特性模型。將光伏電站發(fā)電功率氣象影響因子作為輸入?yún)?shù)，各個發(fā)電單元的功率作為輸出參數(shù)，建立光伏電站各個發(fā)電單元的輸入、輸出參數(shù)關(guān)聯(lián)數(shù)據(jù)庫，該關(guān)聯(lián)數(shù)據(jù)庫即為各個發(fā)電單元的功率特性模型?；诠夥娬镜臍v史和實時運行數(shù)據(jù)，建立和實時更新各個發(fā)電單元輸入、輸出參數(shù)關(guān)聯(lián)數(shù)據(jù)庫，其中每條數(shù)據(jù)記錄的結(jié)構(gòu)是{輻照度，環(huán)境溫度，組件溫度，風速，發(fā)電功率}。對于每一條新增數(shù)據(jù)記錄，判斷其除去發(fā)電功率外其余四項是否與關(guān)聯(lián)數(shù)據(jù)庫中已有的某條記錄完全相同，如果不相同，則將該新增記錄直接加入關(guān)聯(lián)數(shù)據(jù)庫；如果相同且各自的發(fā)電功率值不相等，則對該新增數(shù)據(jù)記錄的發(fā)電功率和關(guān)聯(lián)數(shù)據(jù)庫中對應(yīng)記錄的發(fā)電功率進行加權(quán)平均，用得到的發(fā)電功率更新值對關(guān)聯(lián)數(shù)據(jù)庫中原有記錄的發(fā)電功率進行替換。一條有效數(shù)據(jù)記錄反映了發(fā)電單元某個特定的運行狀態(tài)，該關(guān)聯(lián)數(shù)據(jù)庫即為各個發(fā)電單元輸入狀態(tài)變量與輸出功率之間映射關(guān)系的數(shù)學(xué)模型，體現(xiàn)了發(fā)電單元輸出功率隨輸入狀態(tài)變量變化的規(guī)律。d.映射得到光伏電站發(fā)電功率預(yù)測值利用數(shù)據(jù)挖掘技術(shù)，將氣象影響因子的預(yù)測值輸入各個發(fā)電單元功率特性模型，映射得到各個發(fā)電單元輸出功率的預(yù)測值。最后，將所有處于工作狀態(tài)發(fā)電單元的輸出功率預(yù)測值累加，即得到整個光伏電站的發(fā)電功率預(yù)測值。所述各個發(fā)電單元輸出功率的映射預(yù)測，是將氣象影響因子預(yù)測值序列{輻照度預(yù)測值，環(huán)境溫度預(yù)測值，組件溫度預(yù)測值，風速預(yù)測值}作為各個發(fā)電單元功率特性模型的輸入?yún)?shù)，若關(guān)聯(lián)數(shù)據(jù)庫中存在一條數(shù)據(jù)記錄除發(fā)電功率外其余四項與輸入的氣象影響因子預(yù)測值序列完全相同，則該記錄中的發(fā)電功率值即為該發(fā)電單元輸出功率的預(yù)測值；若關(guān)聯(lián)數(shù)據(jù)庫中沒有任何記錄與之完全相同，則分別計算關(guān)聯(lián)數(shù)據(jù)庫中各條記錄與氣象影響影子預(yù)測值序列之間的加權(quán)歐式距離，然后選取距離最小的若干條數(shù)據(jù)記錄，對各條記錄的發(fā)電功率值進行加權(quán)平均，得到該發(fā)電單元輸出功率的預(yù)測值。圖1為本發(fā)明實施例提供的采用分步方式的光伏電站發(fā)電功率預(yù)測方法流程圖。下面結(jié)合圖1對本發(fā)明實施例的技術(shù)方案進行詳細、準確地描述。以某并網(wǎng)型光伏電站為例，該光伏電站包含3個發(fā)電單元（其中發(fā)電單元#1和#2處于工作狀態(tài)），容量分別為500kWp和250kWp。分步預(yù)測該光伏電站2012年7月28日13:00發(fā)電功率的步驟如下：步驟1：根據(jù)該光伏電站SCADA系統(tǒng)歷史數(shù)據(jù)記錄情況，選擇輻照度、環(huán)境溫度、組件溫度和風速作為發(fā)電功率氣象影響因子。步驟2：采用支持向量機方法，分別建立輻照度、環(huán)境溫度、組件溫度和風速的超短期（0-4h）和短期預(yù)測（0-72h）模型。這里，超短期輻照度預(yù)測模型的輸入為預(yù)測日前一天的輻照度序列，超短期環(huán)境溫度、組件溫度和風速預(yù)測模型的輸入與之類似。為減少子模型數(shù)量和增大訓(xùn)練樣本數(shù)據(jù)量，按天氣狀態(tài)平穩(wěn)程度由強到弱的順序?qū)庀蟛块T使用的天氣類型歸納合并為1、2、3和4四類廣義天氣類型，分別建立與之對應(yīng)的短期輻照度、環(huán)境溫度、組件溫度和風速預(yù)測子模型。其中，短期輻照度預(yù)測模型使用與預(yù)測日預(yù)報天氣類型相同之前三天的輻照度數(shù)據(jù)作為輸入，短期環(huán)境溫度、組件溫度和風速預(yù)測模型的輸入同樣與之類似。選擇符合條件的光伏電站歷史數(shù)據(jù)對上述模型進行訓(xùn)練，得到超短期和短期氣象影響因子預(yù)測模型，從而對輻照度、環(huán)境溫度、組件溫度和風速進行超短期、短期預(yù)測。隨后，基于輻照度的周期性變化規(guī)律對短期輻照度預(yù)測值加權(quán)修正。這里，2012年7月28日的天氣類型屬于第1類，分別選擇各個氣象影響因子對應(yīng)第1類天氣的預(yù)測模型，得到13:00的輻照度預(yù)測值為935W/m2，環(huán)境溫度預(yù)測值為37℃，組件溫度預(yù)測值為27℃，風速預(yù)測值為4m/s。其中輻照度預(yù)測值修正后為981W/m2。步驟3：按時間標簽將該光伏電站的輻照度、環(huán)境溫度、組件溫度和風速歷史記錄與兩個發(fā)電單元的輸出功率分別對應(yīng)起來，建立兩個發(fā)電單元各自的輸入、輸出參數(shù)關(guān)聯(lián)數(shù)據(jù)庫，其中每條數(shù)據(jù)記錄的結(jié)構(gòu)為{輻照度，環(huán)境溫度，組件溫度，風速，發(fā)電功率}，即得到各個發(fā)電單元的功率特性模型。步驟4：將步驟2得到的輻照度、環(huán)境溫度、組件溫度和風速的超短期、短期預(yù)測值分別輸入兩個發(fā)電單元的功率特性模型，映射得到各自輸出功率的預(yù)測值，將它們累加，即得到整個光伏電站的超短期、短期發(fā)電功率預(yù)測值。這里，氣象影響因子預(yù)測值序列{981，37，27，4}分別輸入發(fā)電單元#1和#2的功率特性模型，映射得到#1的發(fā)電功率預(yù)測值為357.5kW，#2的發(fā)電功率預(yù)測值為195.1kW，累加后得到該光伏電站2012年7月28日13:00的發(fā)電功率預(yù)測值為552.6kW。同樣采用支持向量機方法，以輻照度、環(huán)境溫度、組件溫度和風速作為輸入，各個發(fā)電單元功率作為輸出，建立各個發(fā)電單元輸出功率的直接預(yù)測模型。該時刻發(fā)電單元#1輸出功率的直接預(yù)測值為314.2kW，發(fā)電單元#2輸出功率的直接預(yù)測值為168.4kW，整個光伏電站的發(fā)電功率直接預(yù)測值為482.6kW。該光伏電站2012年7月28日13:00的發(fā)電功率實際值為536.5kW，可見采用分步方式較直接方式取得了更好的預(yù)測效果。本發(fā)明實施例所述方法采用分步方式消除了輸入數(shù)據(jù)之間關(guān)聯(lián)耦合對預(yù)測算法和模型的影響，進一步提高了光伏電站發(fā)電功率的預(yù)測精度?？蔀殡娋W(wǎng)實時潮流優(yōu)化控制和日前發(fā)電計劃制定提供重要參考，有利于緩解光伏發(fā)電并網(wǎng)給電力系統(tǒng)有功功率平衡和安全穩(wěn)定運行帶來的壓力。以上所述，僅為本發(fā)明的具體實施方式，但本發(fā)明的保護范圍并不局限于此。任何熟悉該領(lǐng)域的技術(shù)人員在本發(fā)明披露的技術(shù)范圍內(nèi)，可輕易想到的變化或替換，都應(yīng)涵蓋在本發(fā)明的保護范圍之內(nèi)。