本發(fā)明涉及的是一種太陽輻照度預(yù)測方法，特別是一種適用于中長期太陽輻照度預(yù)測的方法。

背景技術(shù)：

太陽能光伏發(fā)電具有清潔環(huán)保、易施工、使用周期長、無運(yùn)轉(zhuǎn)部件等優(yōu)點(diǎn)，目前，國內(nèi)外太陽能光伏發(fā)電正向大規(guī)模應(yīng)用階段發(fā)展。但因太陽輻照度(Solar radiation,SR)具有的隨機(jī)性和間歇性特點(diǎn)，使得光伏系統(tǒng)的發(fā)電出力具有不確定性。不論對并網(wǎng)系統(tǒng)還是對獨(dú)立系統(tǒng)，隨著光伏容量占比的增加，這種不確定性將給整個(gè)發(fā)電系統(tǒng)帶來了不容忽視的影響。研究并發(fā)現(xiàn)SR的特性規(guī)律、模擬生成SR的高質(zhì)量的時(shí)間序列，對含光伏的發(fā)電系統(tǒng)的規(guī)劃、安全性評估、可靠性評估、置信容量計(jì)算等領(lǐng)域具有重要意義。

若SR模擬序列能夠很好地體現(xiàn)歷史SR觀測數(shù)據(jù)的波動特性和統(tǒng)計(jì)特性，則將SR模擬序融入后，仍可保持對光伏系統(tǒng)的評估結(jié)果的可信性。SR模擬序列可應(yīng)用情況包括：(1)當(dāng)歷史SR觀測序列中出現(xiàn)壞數(shù)據(jù)或數(shù)據(jù)缺失時(shí)，若直接應(yīng)用有錯誤的歷史SR觀測數(shù)據(jù)計(jì)算結(jié)果會出現(xiàn)偏差，此時(shí)可應(yīng)用SR模擬序列數(shù)據(jù)替代；(2)某些地區(qū)的歷史SR觀測數(shù)據(jù)量不足以滿足評估需求，此時(shí)可應(yīng)用SR模擬序列來增加數(shù)據(jù)量，以滿足評估需求。

與太陽輻照度預(yù)測相關(guān)的公開文獻(xiàn)較多，例如：申請?zhí)枮?01310019097.6的專利文件中，公開了一種光伏電站輻照度預(yù)測值修正方法，其重點(diǎn)在于當(dāng)已經(jīng)具備了當(dāng)前預(yù)測值之后，如何將光伏電站的地表輻照度的當(dāng)前預(yù)測值與由輻照度歷史數(shù)據(jù)生成的參考值進(jìn)行聯(lián)合加權(quán)，得到最終的預(yù)測修正值對輻照度進(jìn)行修正；申請?zhí)枮?01310571072.7的專利文件中的技術(shù)方案是基于ANFIS模型對輻照度進(jìn)行超短期預(yù)測；申請?zhí)枮?01510471216.0的專利文件中，提出了一種基于馬爾可夫鏈的改進(jìn)光伏功率序列預(yù)測方法，其是按照季節(jié)(四季)、時(shí)段(上午與下午時(shí)段)、天氣特征(大雨、雨、多云與晴四種類型)對樣本數(shù)據(jù)分類，并分別對應(yīng)建立馬爾可夫狀態(tài)轉(zhuǎn)移矩陣的，但這種分類方法在實(shí)施上可能存在很多難以清晰劃分的區(qū)域，即分類方面存在難以在邊界區(qū)域清晰化的問題；申請?zhí)枮?01510843259.7的專利文件中公開的技術(shù)方案是用于日預(yù)測，即屬于短期預(yù)測，利用氣象特征向量和歐式距離對輻照度歷史數(shù)據(jù)進(jìn)行聚類，預(yù)測時(shí)需要用到當(dāng)日的氣象特征采集數(shù)據(jù)；申請?zhí)枮?01610112173.1的專利文件中，公開了一種基于多元時(shí)間序列和回歸分析方法，利用氣象數(shù)據(jù)和歷史輻照度數(shù)據(jù)對日輻照度進(jìn)行預(yù)測，也屬于對輻照度進(jìn)行短期預(yù)測，也需要知道被預(yù)測日的氣象數(shù)據(jù)(包括溫度數(shù)據(jù)、相對濕度數(shù)據(jù)、云量數(shù)據(jù)和風(fēng)速數(shù)據(jù))，預(yù)測的時(shí)段范圍和需要的數(shù)據(jù)條件。

基于ANFIS模型的光伏電站輻照度超短期預(yù)測(李衛(wèi)，席林，畢佳.上海電氣技術(shù)，2014(12):36-42)一文中，采用一種新的基于自適應(yīng)模糊推理系統(tǒng)(ANFIS)的輻照度預(yù)測方法，其中ANFIS模型的規(guī)則數(shù)和初始參數(shù)由減法聚類確定，該方法是用于超短期預(yù)測；蟻群BP神經(jīng)網(wǎng)絡(luò)的光伏電站輻照強(qiáng)度預(yù)測(賀文齊爽陳厚合.電力系統(tǒng)及其自動化學(xué)報(bào)，2016(07):26-31)中，按月份建立蟻群改進(jìn)了BP神經(jīng)網(wǎng)絡(luò)的預(yù)測方法；應(yīng)用改進(jìn)馬爾科夫鏈的光伏出力時(shí)間序列模擬(丁明，鮑玉瑩，畢銳.電網(wǎng)技術(shù)，2016(40):459-464)中，采用一種基于改進(jìn)馬爾可夫鏈的光伏功率序列預(yù)測方法，在馬爾可夫鏈模型中考慮了天氣特性(大雨、雨、多云與晴四種類型)、季節(jié)特性(按照四季劃分)和日特性(上午與下午時(shí)段)對光伏功率序列進(jìn)行預(yù)測，旨在得到隨季節(jié)和天氣等因素的光伏出力變化情況，日分割點(diǎn)是固定的，所述方法在劃分實(shí)施上可能存在一些模糊劃分，分類難以清晰化。

技術(shù)實(shí)現(xiàn)要素：

本發(fā)明的目的在于提供一種能準(zhǔn)確地描述了太陽輻照度的天氣特性和日特性，更便于實(shí)際應(yīng)用的基于改進(jìn)馬爾可夫鏈的太陽輻照度時(shí)間序列合成方法。

本發(fā)明的目的是這樣實(shí)現(xiàn)的：

步驟一，將經(jīng)過錯誤數(shù)據(jù)處理或偽數(shù)據(jù)補(bǔ)充的歷史SR觀測數(shù)據(jù)，按照天氣特性和日特性對歷史SR觀測數(shù)據(jù)進(jìn)行天氣特性聚類和日特性聚類；

步驟二，建立晴空指數(shù)k_t的狀態(tài)轉(zhuǎn)移矩陣P，計(jì)算狀態(tài)轉(zhuǎn)移矩陣P相應(yīng)的累積狀態(tài)轉(zhuǎn)移矩陣Q。首先應(yīng)用SR歷史觀測數(shù)據(jù)序列計(jì)算出對應(yīng)的晴空指數(shù)k_t的數(shù)據(jù)序列；然后將晴空指數(shù)k_t的數(shù)據(jù)序列轉(zhuǎn)化為狀態(tài)序列，晴空指數(shù)k_t的取值范圍為[0-1],狀態(tài)向量為狀態(tài)數(shù)為N₂,則每一個(gè)狀態(tài)所覆蓋的區(qū)間大小為[0:1/N₂]；最后建立晴空指數(shù)k_t的狀態(tài)轉(zhuǎn)移矩陣P，計(jì)算P相應(yīng)的累積狀態(tài)轉(zhuǎn)移矩陣Q；

步驟三，設(shè)置合成SR模擬值當(dāng)天的初始時(shí)刻為t₀，日晴空指數(shù)K_d值為K_dn，則晴空指數(shù)k_t的初始值k_t0＝K_dn，此刻對應(yīng)的晴空指數(shù)k_t的初始狀態(tài)為e＝e₀；

步驟四，確定合成SR模擬值當(dāng)天的時(shí)段分割點(diǎn)t_r；

步驟五，依據(jù)當(dāng)天的日晴空指數(shù)K_d值K_dn和當(dāng)前時(shí)刻t選定狀態(tài)轉(zhuǎn)移矩陣計(jì)算相應(yīng)的累積狀態(tài)轉(zhuǎn)移矩陣由當(dāng)前時(shí)刻的晴空指數(shù)k_t的狀態(tài)e_t選擇累積狀態(tài)轉(zhuǎn)移矩陣的第e_t行作為狀態(tài)概率分布向量

步驟六，確定下一時(shí)刻t＝t+Δt的晴空指數(shù)k_t值，設(shè)下一時(shí)刻t＝t+Δt的狀態(tài)為e_t+1，生成一個(gè)在[0,1]之間服從均勻分布的隨機(jī)數(shù)β，若0＜β≤h₁，則e_t+1＝E₁；若h_i-1＜β≤h_i，則e_t+1＝E_i；

步驟七，如果時(shí)刻t＜19，則返回步驟五；若t＞19，執(zhí)行步驟八；

步驟八，已計(jì)算總天數(shù)T＝T+1，若T小于仿真天數(shù)，返回步驟三；否則，則執(zhí)行步驟九；

步驟九，根據(jù)合成的晴空指數(shù)k_ts值序列計(jì)算得到SR模擬值I_syn。

所述的天氣特性聚類是指根據(jù)日晴空指數(shù)K_d對SR觀測數(shù)據(jù)進(jìn)行聚類，將其聚類為N₁個(gè)群組

所述的日特性聚類是指按照輻照度上升時(shí)段和下降時(shí)段將N₁個(gè)群組分為2N₁個(gè)數(shù)據(jù)集每個(gè)群組中每天出現(xiàn)SR最大值的時(shí)間點(diǎn)t_m作為當(dāng)天的時(shí)段分割點(diǎn),其中角標(biāo)U代表上升時(shí)段，角標(biāo)D代表下降時(shí)段。

馬爾可夫鏈可以通過隨機(jī)事件上一時(shí)刻的狀態(tài)，推測出下一個(gè)時(shí)刻的狀態(tài)，以此來完成對一個(gè)隨機(jī)過程的動態(tài)描述。同時(shí)，馬爾可夫鏈具有模型簡潔、物理概念清晰等優(yōu)點(diǎn)，所以，可以應(yīng)用馬爾可夫鏈模型合成SR模擬值。本發(fā)明提出了一種基于改進(jìn)馬爾可夫鏈的太陽輻照度時(shí)間序列的合成方法。在馬爾可夫鏈模型中引入SR的天氣特性和日特性，建立基于晴空指數(shù)劃分的多個(gè)狀態(tài)轉(zhuǎn)移矩陣，并應(yīng)用蒙特卡洛法確定輻照度模擬值當(dāng)天的時(shí)段分割點(diǎn)，再通過日晴空指數(shù)和當(dāng)前時(shí)刻所處時(shí)段選擇相應(yīng)的狀態(tài)轉(zhuǎn)移矩陣，來生成目標(biāo)時(shí)刻狀態(tài)量，從而合成輻照度模擬值。

本發(fā)明的主要特點(diǎn)包括：一是步驟一中天氣特性按照根據(jù)日晴空指數(shù)進(jìn)行劃分，時(shí)段特性分為上升與下降時(shí)段；而是步驟四中時(shí)段分割點(diǎn)的確定方法。

本發(fā)明的有益效果體現(xiàn)在：

(1)在馬爾科夫鏈模型中考慮太陽輻照度的天氣特性和日特性，天氣特性通過日晴空指數(shù)K_d對太陽輻照度進(jìn)行分類來描述，日特性通過分為上升時(shí)段和下降時(shí)段來描述；

(2)通過晴空指數(shù)k_t來合成SR模擬值，體現(xiàn)了輻照度受不同云層狀態(tài)引起的波動特性；

(3)對考慮太陽輻照度的天氣特性和日特性生成多個(gè)狀態(tài)轉(zhuǎn)移矩陣，通過日晴空指數(shù)K_d和時(shí)間屬性選擇相應(yīng)狀態(tài)轉(zhuǎn)移矩陣，生成目標(biāo)時(shí)刻的狀態(tài)量。

本發(fā)明簡單且較準(zhǔn)確地描述了太陽輻照度的天氣特性和日特性，在簡捷和準(zhǔn)確兩者交合上找到了平衡點(diǎn)，更便于實(shí)際應(yīng)用。

附圖說明

圖1合成SR模擬值的流程圖。

具體實(shí)施方式

下面對舉例本發(fā)明作進(jìn)一步描述。以下實(shí)施例僅用于更加清楚地說明本發(fā)明的技術(shù)方案，而不能以此來限制本發(fā)明的保護(hù)范圍。

本發(fā)明涉及一種基于馬爾可夫鏈的太陽輻照度合成方法，具體包括如下步驟：

步驟1)將經(jīng)過錯誤數(shù)據(jù)處理或偽數(shù)據(jù)補(bǔ)充的歷史SR觀測數(shù)據(jù)，按照天氣特性和日特性對歷史SR觀測數(shù)據(jù)進(jìn)行聚類。所謂“天氣特性聚類”這里是指根據(jù)日晴空指數(shù)K_d對SR觀測數(shù)據(jù)進(jìn)行聚類，如將其聚類為N₁個(gè)群組所謂“日特性聚類”是指再按照輻照度上升時(shí)段和下降時(shí)段將上述的N₁個(gè)群組再次分為2N₁個(gè)數(shù)據(jù)集(每個(gè)群組中每天出現(xiàn)SR最大值的時(shí)間點(diǎn)t_m作為當(dāng)天的時(shí)段分割點(diǎn)),其中角標(biāo)U代表上升時(shí)段，角標(biāo)D代表下降時(shí)段。

步驟2)建立晴空指數(shù)k_t的狀態(tài)轉(zhuǎn)移矩陣P，計(jì)算狀態(tài)轉(zhuǎn)移矩陣P相應(yīng)的累積狀態(tài)轉(zhuǎn)移矩陣Q。首先對每個(gè)數(shù)據(jù)集中的SR歷史觀測數(shù)據(jù)序列，通過式(1)計(jì)算出對應(yīng)的晴空指數(shù)k_t的數(shù)據(jù)序列；然后按照表1將晴空指數(shù)k_t的數(shù)據(jù)序列轉(zhuǎn)化為狀態(tài)序列，晴空指數(shù)k_t的取值范圍為[0-1],狀態(tài)向量為狀態(tài)數(shù)為N₂,則每一個(gè)狀態(tài)所覆蓋的區(qū)間大小為[0:1/N₂]；最后建立晴空指數(shù)k_t的狀態(tài)轉(zhuǎn)移矩陣P，計(jì)算狀態(tài)轉(zhuǎn)移矩陣P相應(yīng)的累積狀態(tài)轉(zhuǎn)移矩陣Q。

晴空指數(shù)k_t是入射到地表水平面的實(shí)際太陽輻照度I與地外水平面輻照度I₀之比。

表1晴空指數(shù)數(shù)據(jù)序列轉(zhuǎn)化為狀態(tài)序列

狀態(tài)轉(zhuǎn)移矩陣P由不同狀態(tài)之間的轉(zhuǎn)移概率p_ij構(gòu)成，各行之和為1，是N₂×N₂的方陣。狀態(tài)轉(zhuǎn)移矩陣P在轉(zhuǎn)移過程中保持不變。

狀態(tài)轉(zhuǎn)移概率p_ij計(jì)算公式如下：

式中：p_ij表示相繼狀態(tài)i到狀態(tài)j的轉(zhuǎn)移概率；n_ij為相繼狀態(tài)i到狀態(tài)j的轉(zhuǎn)換次數(shù)；n_i為狀態(tài)i發(fā)生的總次數(shù)，m_t與m_t+1分別表示t和t+1時(shí)刻的狀態(tài)。

累積狀態(tài)轉(zhuǎn)移矩陣Q是基于狀態(tài)轉(zhuǎn)移矩陣計(jì)算得到的。

步驟3)合成SR模擬值初始化。設(shè)置合成SR模擬值當(dāng)天的初始時(shí)刻為t₀，日晴空指數(shù)K_d值為K_dn，則晴空指數(shù)k_t的初始值k_t0＝K_dn，此刻對應(yīng)的初始狀態(tài)為e＝e₀。

步驟4)確定合成SR模擬值當(dāng)天的時(shí)段分割點(diǎn)t_r。根據(jù)K_dn選擇相應(yīng)群組，依據(jù)蒙特卡洛法確定合成SR模擬值當(dāng)天的時(shí)段分割點(diǎn)t_r。確定時(shí)段分割點(diǎn)t_r的具體方法如下：

1.對當(dāng)前群組中每天出現(xiàn)SR最大值的時(shí)間點(diǎn)t_m進(jìn)行統(tǒng)計(jì)。

T_m＝{t_m1,t_m2,…,t_mx} (5)

N_m＝{n_m1,n_m2,…,n_mx} (6)

式中，x為當(dāng)前群組中出現(xiàn)不同SR最大值時(shí)間點(diǎn)的個(gè)數(shù)，t_mi為當(dāng)前群組中出現(xiàn)的第i個(gè)SR最大值時(shí)間點(diǎn)，n_mi為當(dāng)前群組中第i個(gè)SR最大值時(shí)間點(diǎn)t_mi出現(xiàn)的次數(shù)。

2.計(jì)算出現(xiàn)SR最大值時(shí)間點(diǎn)的概率向量P_m。

P_m＝[p_m1 p_m2 … p_mx] (7)

SR最大值時(shí)間點(diǎn)出現(xiàn)概率p_mi計(jì)算公式如下：

式中，N表示當(dāng)前群組的總天數(shù)。

3.計(jì)算概率向量P_m的累積概率向量F_m，F(xiàn)_m＝[f_m1,f_m2,…,f_mx]

式中，f_mi為累積概率分布向量F_m中的第i個(gè)分量，其中k＝1，2，…，x。

4.在[0，1]區(qū)間抽取均勻分布的隨機(jī)數(shù)γ，若0＜r≤f₁，則t_ri＝t_m1；若f_i-1＜r≤f_i，則t_ri＝t_mi，如公式(10)所示。

5.將4重復(fù)N₃次，記錄每次確定的時(shí)段分割點(diǎn)t_ri，計(jì)算所記錄的時(shí)段分割點(diǎn)t_ri的平均值t_r，最終確定合成SR模擬值當(dāng)天的時(shí)段分割點(diǎn)t_r。

步驟5)依據(jù)當(dāng)天的日晴空指數(shù)K_d值K_dn和當(dāng)前時(shí)刻t選定相應(yīng)的狀態(tài)轉(zhuǎn)移矩陣計(jì)算相應(yīng)的累積狀態(tài)轉(zhuǎn)移矩陣由當(dāng)前時(shí)刻的晴空指數(shù)k_t的狀態(tài)e_t選擇累積狀態(tài)轉(zhuǎn)移矩陣的第e_t行作為狀態(tài)概率分布向量

當(dāng)t≤t_r時(shí)，選擇上升時(shí)段的狀態(tài)轉(zhuǎn)移矩陣當(dāng)t＞t_r時(shí)，選擇下降時(shí)段的狀態(tài)轉(zhuǎn)移矩陣

步驟6)確定下一時(shí)刻t＝t+Δt的晴空指數(shù)k_t值。設(shè)下一時(shí)刻t＝t+Δt的狀態(tài)為e_t+1，生成一個(gè)在[0,1]之間服從均勻分布的隨機(jī)數(shù)β，若0＜β≤h₁，則e_t+1＝E₁；若h_i-1＜β≤h_i，則e_t+1＝E_i。由式(13)確定時(shí)刻t+1的晴空指數(shù)k_t值。

步驟7)如果時(shí)刻t＜19，則返回步驟5)；若t＞19，執(zhí)行下一步。

步驟8)已計(jì)算總天數(shù)T＝T+1，若T小于仿真天數(shù)，返回步驟3；否則，則執(zhí)行下一步。

步驟9)將合成的晴空指數(shù)k_ts值序列帶入到式(14)中，計(jì)算SR模擬值I_syn。

I_syn＝k_tsI₀ (14)

式中，I₀為地外水平面輻照度。

本發(fā)明提出了一種可以計(jì)及SR的天氣特性和日特性的改進(jìn)馬爾可夫鏈模型及基于此的SR時(shí)間序列數(shù)據(jù)合成方法。其中，根據(jù)歷史SR觀測數(shù)據(jù)根據(jù)日晴空指數(shù)來描述天氣特性對輻照度的影響，并將一日分為2個(gè)時(shí)段來描述輻照度的日特性；通過晴空指數(shù)來合成輻照度模擬值，體現(xiàn)了不同云層狀態(tài)對輻照度的波動影響；考慮太陽輻照度的天氣特性和日特性生成多個(gè)狀態(tài)轉(zhuǎn)移矩陣，應(yīng)用蒙特卡洛法確定合成輻照度模擬值當(dāng)天的時(shí)段分割點(diǎn)，通過日晴空指數(shù)和時(shí)間屬性選擇相應(yīng)狀態(tài)轉(zhuǎn)移矩陣，生成目標(biāo)時(shí)刻的狀態(tài)量，從而合成輻照度模擬值。