一種用于光伏電站功率預(yù)測的相似日的選擇方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及光伏發(fā)電功率預(yù)測領(lǐng)域，具體涉及個用于光伏電站功率預(yù)測的相似日 的選擇方法。
【背景技術(shù)】
[0002] 隨著國內(nèi)光伏發(fā)電并網(wǎng)規(guī)模的逐年增大，國內(nèi)外對于光伏發(fā)電并網(wǎng)問題的研究越 來越深入，但光伏出力預(yù)測的研究仍達(dá)不到令人滿意的程度。光伏發(fā)電系統(tǒng)的輸出功率受 到太陽輻照強(qiáng)度、輻照時間、氣溫、氣壓、濕度等多種氣象因素的影響，具有一定的時變性和 隨機(jī)性，如何提高預(yù)測精度仍面臨較大的困難。
[0003] 在光伏發(fā)電預(yù)測中，通常將即將預(yù)測系統(tǒng)出力的那一天稱為預(yù)測日，將這一天之 前的若干天稱為預(yù)測日的歷史日，將歷史日中與預(yù)測日天氣信息最為接近的一天稱為"相 似日"。一般認(rèn)為，相似日的發(fā)電量數(shù)據(jù)對預(yù)測日的發(fā)電量數(shù)據(jù)有重要的參考意義。
[0004] 目前，相似日的選擇一般根據(jù)經(jīng)驗(yàn)或者"歐氏距離"計算結(jié)果選取，選取的相似日 的質(zhì)量難以保證，也有通過關(guān)聯(lián)度方法來選取相似日，但傳統(tǒng)的關(guān)聯(lián)度方法在選取相似日 時采用的是等權(quán)處理，而事實(shí)上各因素對光伏出力的影響程度并不相同，因此必須根據(jù)具 體情況賦予不同的權(quán)重。如何選取較為準(zhǔn)確的相似日作為基礎(chǔ)來提高光伏出力預(yù)測精度具 有重要的研究價值。

【發(fā)明內(nèi)容】

[0005] 本發(fā)明的目的是提供一種準(zhǔn)確選擇用于光伏電站功率預(yù)測的相似日的方法。
[0006] 本發(fā)明采用如下技術(shù)方案： 一種用于光伏電站功率預(yù)測的相似日的選擇方法，包括如下步驟： 1) 從預(yù)測日起，在歷史數(shù)據(jù)庫中逆向選出與預(yù)測日相同季節(jié)、同一天氣類型的若干個 歷史日，分別得到預(yù)測日和每一個歷史日的氣象信息向量;所述氣象信息向量包括如下氣 象信息向量分量： 2) 分別將步驟1)得到的氣象信息向量的分量采用極差法方法進(jìn)行歸一化； 3) 采用關(guān)聯(lián)系數(shù)法計算步驟1)所述預(yù)測日的氣象信息向量分量對步驟2)得到的歸一 化后的各歷史日的氣象信息向量分量的關(guān)聯(lián)系數(shù)； 4) 采用層次分析法計算步驟3)得到的關(guān)聯(lián)系數(shù)的主觀權(quán)重； 5) 采用熵權(quán)法計算步驟3)得到的關(guān)聯(lián)系數(shù)的客觀權(quán)重； 6) 將步驟4)得到的主觀權(quán)重和步驟5)得到的客觀權(quán)重進(jìn)行線性加權(quán)得到組合權(quán)重，利 用關(guān)聯(lián)系數(shù)及組合權(quán)重計算步驟1)所述預(yù)測日對各歷史日的相似度，相似度數(shù)值大的歷史 日即為相似日。
[0007] 進(jìn)一步的，所述步驟1)中的氣象信息向量分量通過如下方法確定： 預(yù)測日的氣象信息向量的確定:從氣象部門獲取翌日12個小時內(nèi)太陽輻射照強(qiáng)度平均 值、氣壓平均值、相對濕度平均值、日內(nèi)最高溫度、日內(nèi)最低溫度和日平均溫度，構(gòu)成氣象信 息向量X: X=[Sa ver j Paver ? haver ? Th，Ti，T aver ] (1) 式(1)中，SavCT為12個小時內(nèi)太陽輻射照強(qiáng)度平均值;PavCT為氣壓平均值;lw r為相對濕 度平均值;Th、Ti、T_r分別為日內(nèi)最高溫度、最低溫度和平均溫度； 歷史日的氣象信息向量的確定:從預(yù)測日起，從歷史數(shù)據(jù)庫中逆向選出同季節(jié)同一天 氣類型的若干個歷史日，由式(1)構(gòu)成每一個歷史日的氣象信息向量。
[0008] 進(jìn)一步的，步驟2)中歸一化方法為： 將各氣象信息向量分量采用如下公式進(jìn)行歸一化： xj(i) = [yj(i)-m(i)]/[M(i)-m(i)] (2) 式中h(i)為歸一化前的氣象信息向量分量，x』（i)為歸一化后的數(shù)值;m(i)和M(i)分 別為歸一化前的氣象信息向量的第i個分量的最小值和最大值。
[0009] 進(jìn)一步的，步驟3)所述的關(guān)聯(lián)系數(shù)通過如下方法得到： 假設(shè)氣象信息向量有η個分量，歸一化后的預(yù)測日和第j個歷史日的氣象信息向量分別 為XQ和Xj，則有： xo=[xo(l)，xo(2)，···，xo(n)]T (3) xj = [xj(l) ,xj(2) ,··· ,xj(n)]T (4) xo對xj在第k個分量的關(guān)聯(lián)系數(shù)為：
式(5)中:P是分辨系數(shù)。P值一般取0.5。
[0010] 進(jìn)一步的，步驟4)所述的主觀權(quán)重通過如下方法得到： a)確定氣象信息向量的判斷矩陣A:
式(6)中，表示第i個目標(biāo)與第j個目標(biāo)的相對重要程度； aij= ω?/ω」元素 ω標(biāo)度取Satty標(biāo)度為1，3,5,7,9;如下表1所示。
[0011]表1判斷矩陣標(biāo)度值及對應(yīng)含義
b) 進(jìn)行一致性檢驗(yàn)：
式(7)中，λΜΜ為矩陣A的最大特征根，η為矩陣A的維數(shù)； 當(dāng)滿足式(8)時可認(rèn)為判斷矩陣A具有一致性。其中RI的取值見表2。
[0012]
表2RI取值說明 c) 求取主觀權(quán)重：
首先計算判斷矩陣A每一行元素的乘積姐：
然后計算Mi的η次方根:胃；
最后對向量
正規(guī)化(歸一化處理）：
(Π ) 貝IJWa = [ Wl，W2，…，Wn]、為所求的主觀權(quán)重。
[0013] 進(jìn)一步的，步驟5)所述的客觀權(quán)重通過如下方法得到： 采用熵值法確定客觀權(quán)重：
式（12)中，
為判斷矩陣R的元素，Ei為第i個指標(biāo)的信息熵，i = l， 2, · · ·，m為指標(biāo)數(shù)，j = l，2, · · ·，n為評價對象數(shù)，系數(shù)Κ = 1/1η η。
[0014] 進(jìn)一步的，步驟6)所述的相似度通過如下方法得到： 綜合預(yù)測日的氣象信息向量分量對各歷史日的氣象信息向量分量的關(guān)聯(lián)系數(shù)，得出整 個XQ對Xj的相似度為：
式(14)中，Ak為各分量的權(quán)重系數(shù)，其計算公式如下： Ak = kAffA+ksffs (15) 式(15)中，kA，ks分別為線性加權(quán)的主客觀偏好系數(shù)，主、客觀偏好系數(shù)均取值為0.5，Ak 為組合權(quán)重，Wa為主觀權(quán)重，Ws為客觀權(quán)重。
[0015]本發(fā)明的有益效果在于：本發(fā)明將影響光伏發(fā)電系統(tǒng)的輸出功率的太陽輻照強(qiáng) 度、輻照時間、氣溫、氣壓、濕度等多種氣象因素綜合考慮，采用非等權(quán)處理方法，根據(jù)具體 情況賦予不同的權(quán)重，提出了基于關(guān)聯(lián)系數(shù)與組合權(quán)重相結(jié)合的相似日選擇方法，極大程 度上消除了各個氣象因素存在的時變性和隨機(jī)性對預(yù)測精度的影響，為光伏出力預(yù)測提供 了較為準(zhǔn)確的基礎(chǔ)數(shù)據(jù)。
【附圖說明】
[0016]圖1為本發(fā)明方法的流程圖。
【具體實(shí)施方式】
[0017] 下面結(jié)合圖1和實(shí)施例對本發(fā)明進(jìn)行詳細(xì)說明。本發(fā)明保護(hù)范圍不限于實(shí)施例，本 領(lǐng)域技術(shù)人員在權(quán)利要求限定的范圍內(nèi)做出任何改動也屬于本發(fā)明保護(hù)的范圍。
[0018] 實(shí)施例 下面以某地區(qū)光伏發(fā)電站為例，說明相似日的選擇方法。
[0019] -、確定氣象信息向量： 從氣象部門獲取翌日12個小時內(nèi)太陽輻射照強(qiáng)度平均值、氣壓平均值、相對濕度平均 值、日內(nèi)最高溫度、日內(nèi)最低溫度和日平均溫度。
[0020] 從預(yù)測日起，從歷史數(shù)據(jù)庫中逆向選出同季節(jié)同一天氣類型的若干個歷史日，獲 得每一個歷史日中的12個小時內(nèi)太陽輻射照強(qiáng)度平均值、氣壓平均值、相對濕度平均值、日 內(nèi)最高溫度、日內(nèi)最低溫度和日平均溫度。
[0021] 關(guān)于同一天氣類型，此處以晴天日類型為例，從預(yù)測日起，從歷史數(shù)據(jù)庫中逆向選 出同季節(jié)一定數(shù)量的晴天歷史日，構(gòu)成氣象信息向量集，其他類型日選擇方法相似。
[0022] 數(shù)據(jù)見表3所示。表1中，8月2日為預(yù)測日，其他為歷史日。
[0023] 表3氣象信息相關(guān)數(shù)據(jù)
表3中的各氣象信息帶入由式（1)構(gòu)成預(yù)測日和每一個歷史日的氣象信息向量，各氣象 信息向量構(gòu)成氣象信息向量集。
[0024]二、氣象信息向量各分量歸一化處理： 利用公式(2)對確定的氣象信息向量采用極差法進(jìn)行歸一化。
[0025]三、求取關(guān)聯(lián)系數(shù)： 由公式(3)、（4)、（