一种适用于小样本的光伏功率短期预测方法

摘要

本发明提供一种适用于小样本的光伏功率短期预测方法，包括以下步骤：历史数据筛选；穿透率统计；输入量变换；神经网络模型训练；神经网络模型预测。本发明根据光伏发电各环节影响因素的解耦特性，将传统预测模型进行拆分，使各部分的网络结构得到简化；通过天气类型与云遮程度对应关系的统计分析，将云遮因素有效整合到模型输入量中。本发明简化了神经网络预测模型的输入输出关系，降低了输入输出之间关系的复杂度，减少了对训练样本的需求。

主权项

一种适用于小样本的光伏功率短期预测方法，其特征在于，包括如下步骤：第一步：历史数据筛选在历史数据中剔除空气质量不佳、空气湿度大的部分，得到地表太阳辐射值主要受云量影响的样本；第二步：穿透率统计利用历史邻近日各时段地表太阳辐射值计算出第j天第i时段穿透率k_i,j，结合第i时段历史实测天气类型w，统计得到第i时段各天气类型所对应的穿透率期望；在单时段穿透率统计的基础上，进行考虑前后时段天气类型的穿透率统计，得到考虑前后时段天气类型的第j天第i时段穿透率期望第三步：输入量变换根据待预测时段及其前后时段的天气类型，结合第二步中的统计结果，得到待预测时段的穿透率期望，结合无云天气下对应时段的平均地表太阳辐射值，得到云遮后地表太阳辐射值，完成输入量从天气类型到云遮后地表太阳辐射值的转换；第四步：神经网络模型训练利用历史数据进行神经网络模型训练，以历史实测天气类型所对应的云遮后地表太阳辐射值、历史实测空气质量指数、历史实测环境温度为输入量，历史实测光伏出力为输出量，进行模型的训练，所有数据的时间间隔为1h；第五步：神经网络模型预测根据待预测日各时段的天气类型预报信息得到相应的云遮后地表太阳辐射值，将其作为天气类型影响因素的输入项，结合气温预报信息、空气质量指数预报信息，得到待预测日各时段的光伏输出功率预测结果，所有数据的时间间隔为1h。