一種光伏電站發(fā)電量預(yù)測(cè)的方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及一種光伏電站發(fā)電量預(yù)測(cè)的方法，屬于光伏電站發(fā)電技術(shù)領(lǐng)域。
【背景技術(shù)】
[0002] 光伏電站的日輸出功率具有隨機(jī)波動(dòng)特點(diǎn)，在發(fā)電過程中由于天氣和光照強(qiáng)度的 突變，會(huì)造成短時(shí)間輸出功率急劇變化的現(xiàn)象。因此，逆變器在進(jìn)行并網(wǎng)時(shí)，會(huì)給電網(wǎng)穩(wěn)定、 可靠運(yùn)行帶來影響，而且給電網(wǎng)調(diào)度增加困難，影響傳統(tǒng)開機(jī)方式和調(diào)度方式。
[0003] 有鑒于此，有必要提供一種光伏電站發(fā)電量預(yù)測(cè)的方法，以滿足實(shí)際應(yīng)用需要。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明的目的是:為克服現(xiàn)有技術(shù)的不足，本發(fā)明提供一種光伏電站發(fā)電量預(yù)測(cè) 的方法，通過光伏電站所在區(qū)域的環(huán)境監(jiān)測(cè)數(shù)據(jù)和運(yùn)行數(shù)據(jù)，應(yīng)用多元回歸技術(shù)擬合回歸 模型，得到預(yù)測(cè)樣本數(shù)據(jù)，并不斷與歷史數(shù)據(jù)和歷史預(yù)測(cè)結(jié)果進(jìn)行對(duì)比與改進(jìn)，實(shí)現(xiàn)發(fā)電量 的較小誤差預(yù)測(cè)。
[0005] 本發(fā)明所采用的技術(shù)方案是:一種光伏電站發(fā)電量預(yù)測(cè)的方法，其特征在于，通過 以下幾個(gè)步驟反復(fù)擬合、篩選、對(duì)比和改進(jìn)來完成： (1) 把采集到的環(huán)境監(jiān)測(cè)數(shù)據(jù)通過交互不可測(cè)變量方法來量化天氣變量，由于天氣變 量具有季節(jié)性變化，因此在量化天氣時(shí)，需要考慮季節(jié)性;首先將天氣變量進(jìn)行虛擬化，然 后選擇與虛擬化變量有強(qiáng)相關(guān)性的變量進(jìn)行交互式分析得出系數(shù)，并擬合變量得到量化后 的觀測(cè)，然后合并數(shù)據(jù)集得到一個(gè)新的樣本數(shù)據(jù)； (2) 劃分樣本數(shù)據(jù)集，分為訓(xùn)練數(shù)據(jù)集和驗(yàn)證數(shù)據(jù)集;訓(xùn)練數(shù)據(jù)集用來創(chuàng)建模型的子數(shù) 據(jù)集;驗(yàn)證數(shù)據(jù)集用來驗(yàn)證模型的子數(shù)據(jù)集； (3 )計(jì)算SPEARMAN秩相關(guān)系數(shù)，并對(duì)其進(jìn)行檢驗(yàn)，此時(shí)原假設(shè)H0:兩個(gè)變量不相關(guān)，在原 假設(shè)成立的情況下，對(duì)于大樣本情形，檢驗(yàn)統(tǒng)計(jì)量近似服從自由度為(n-2)的t分布，根據(jù)樣 本觀測(cè)值計(jì)算出檢驗(yàn)統(tǒng)計(jì)量的P值，并與顯著性水平α比較，可得出檢驗(yàn)結(jié)論:如果P值小于 α，則拒絕原假設(shè)，即認(rèn)為兩變量是相關(guān)的；如果Ρ值大于α，則不能拒絕原假設(shè)，即認(rèn)為兩個(gè) 變量不相關(guān)。則初步篩選出變量； (4)用新訓(xùn)練數(shù)據(jù)集擬合回歸模型得到初步模型，設(shè)y為因變量，Xi，Χ2，…，Xk為k個(gè)自變 量，則回歸模型可以寫為:y=0〇+0iXi+02X2+ · · · +&Xk+e，其中，β〇是常數(shù)項(xiàng)，β」（j=l，2，…， k)是y對(duì)Xj的回歸系數(shù)，ε是隨機(jī)誤差項(xiàng)； (5 )用逐步回歸法篩選變量得到數(shù)學(xué)模型，逐步回歸是首先加入一個(gè)變量，如果加入的 變量對(duì)模型的影響顯著，則保留此變量，然后再對(duì)當(dāng)前模型中所有變量進(jìn)行檢驗(yàn)，剔除那些 不顯著的變量，依次進(jìn)行下去，直到?jīng)]有顯著的變量要加入且模型中已有的變量都顯著為 止； (6)把驗(yàn)證數(shù)據(jù)集代入數(shù)學(xué)模型得到一個(gè)預(yù)測(cè)樣本，并對(duì)預(yù)測(cè)樣本結(jié)果進(jìn)行對(duì)比與改 進(jìn)，實(shí)現(xiàn)發(fā)電量的較小誤差預(yù)測(cè)，通過后驗(yàn)概率驗(yàn)證模型的準(zhǔn)確率，即1_(預(yù)測(cè)需求值與預(yù) 測(cè)值差的絕對(duì)值/預(yù)測(cè)需求值），若準(zhǔn)確率大于80%，則得到最終模型：y^o+hXi+f^Xs + ·· ·+βιΑ，否則回到⑶重新擬合模型，篩選變量，直到預(yù)測(cè)準(zhǔn)確率達(dá)到80%以上為止。
[0006] 本發(fā)明的有益效果是:本發(fā)明提供的光伏電站發(fā)電量預(yù)測(cè)的方法，通過光伏電站 所在區(qū)域的環(huán)境監(jiān)測(cè)數(shù)據(jù)和運(yùn)行數(shù)據(jù)，應(yīng)用多元回歸技術(shù)擬合回歸模型，得到預(yù)測(cè)樣本數(shù) 據(jù)，并不斷與歷史數(shù)據(jù)和歷史預(yù)測(cè)結(jié)果進(jìn)行對(duì)比與改進(jìn)，實(shí)現(xiàn)發(fā)電量的較小誤差預(yù)測(cè)。完成 對(duì)光伏電站發(fā)電量的預(yù)測(cè)，可以提前預(yù)知發(fā)電量，提高電網(wǎng)運(yùn)行穩(wěn)定性的能力;還可以校驗(yàn) 數(shù)據(jù)的準(zhǔn)確性，提高數(shù)據(jù)質(zhì)量。
【附圖說明】
[0007] 圖1為本發(fā)明的光伏電站發(fā)電量預(yù)測(cè)的方法流程示意圖。
【具體實(shí)施方式】
[0008] 為了更好地理解本發(fā)明，下面結(jié)合實(shí)施例進(jìn)一步闡明本發(fā)明的內(nèi)容，但本發(fā)明的 內(nèi)容不僅僅局限于下面的實(shí)施例。本領(lǐng)域技術(shù)人員可以對(duì)本發(fā)明作各種改動(dòng)或修改，這些 等價(jià)形式同樣在本申請(qǐng)所列權(quán)利要求書限定范圍之內(nèi)。
[0009] 如圖1所示，本發(fā)明實(shí)施例提供的光伏電站發(fā)電量預(yù)測(cè)的方法，通過以下幾個(gè)步驟 反復(fù)擬合、篩選、對(duì)比和改進(jìn)來完成，如圖1。
[0010] (1)把采集到的環(huán)境監(jiān)測(cè)數(shù)據(jù)通過交互不可測(cè)變量方法來量化天氣變量，由于天 氣變量具有季節(jié)性變化，因此在量化天氣時(shí)，需要考慮季節(jié)性。首先將天氣變量進(jìn)行虛擬 化，然后選擇與虛擬化變量有強(qiáng)相關(guān)性的變量進(jìn)行交互式分析得出系數(shù)，并擬合變量得到 量化后的觀測(cè)。然后合并數(shù)據(jù)集得到一個(gè)新的樣本數(shù)據(jù)。
[0011] (2)劃分樣本數(shù)據(jù)集，分為訓(xùn)練數(shù)據(jù)集和驗(yàn)證數(shù)據(jù)集;訓(xùn)練數(shù)據(jù)集用來創(chuàng)建模型的 子數(shù)據(jù)集;驗(yàn)證數(shù)據(jù)集是用來驗(yàn)證模型的子數(shù)據(jù)集。由于天氣具有季節(jié)性變化，在量化劃分 數(shù)據(jù)集時(shí)，需要考慮季節(jié)性。因此，把新樣本數(shù)據(jù)集根據(jù)年份劃分為訓(xùn)練數(shù)據(jù)樣本(2014年 數(shù)據(jù))和驗(yàn)證數(shù)據(jù)樣本(2015年數(shù)據(jù)）。
[0012] (3)計(jì)算SPEARMAN秩相關(guān)系數(shù)，并對(duì)其進(jìn)行檢驗(yàn)。此時(shí)原假設(shè)Η0:兩個(gè)變量不相關(guān)。 在原假設(shè)成立的情況下，對(duì)于大樣本情形，檢驗(yàn)統(tǒng)計(jì)量近似服從自由度為(n-2)的t分布。根 據(jù)樣本觀測(cè)值計(jì)算出檢驗(yàn)統(tǒng)計(jì)量的P值，并與顯著性水平α比較，可得出檢驗(yàn)結(jié)論:如果P值 小于α，則拒絕原假設(shè)，即認(rèn)為兩變量是相關(guān)的；如果Ρ值大于α，則不能拒絕原假設(shè)，即認(rèn)為 兩個(gè)變量不相關(guān)。則初步篩選出變量。
[0013] ⑷用新訓(xùn)練數(shù)據(jù)集擬合回歸模型得至I」初步模型。設(shè)y為因變量，Xi，χ2，…，Xk為k個(gè) 自變量，則回歸模型可以寫為:Υ=β〇+βιΧι+β2Χ 2+ · · · +&Xk+e，其中，β〇是常數(shù)項(xiàng)，f3j(j=l， 2，…，k)是y對(duì)Xj的回歸系數(shù)，ε是隨機(jī)誤差項(xiàng)。
[0014] (5)用逐步回歸法篩選變量得到數(shù)學(xué)模型。逐步回歸是首先加入一個(gè)變量，如果加 入的變量對(duì)模型的影響顯著，則保留此變量，然后再對(duì)當(dāng)前模型中所有變量進(jìn)行檢驗(yàn)，剔除 那些不顯著的變量。依次進(jìn)行下去，直到?jīng)]有顯著的變量要加入且模型中已有的變量都顯 著為止。
[0015] (6)把驗(yàn)證數(shù)據(jù)集代入數(shù)學(xué)模型得到一個(gè)預(yù)測(cè)樣本，并對(duì)預(yù)測(cè)樣本結(jié)果進(jìn)行對(duì)比 與改進(jìn)，實(shí)現(xiàn)發(fā)電量的較小誤差預(yù)測(cè)。通過后驗(yàn)概率驗(yàn)證模型的準(zhǔn)確率（即1-(預(yù)測(cè)需求值 與預(yù)測(cè)值差的絕對(duì)值/預(yù)測(cè)需求值）），若準(zhǔn)確率大于80%，則得到最終模型:yio+hXi+feXs + ··