主权项 |
基于LSSVM带ARMA修正的超短期光伏预测方法,其特征在于:包括以下步骤,步骤(1),采集光伏电站的预测日前30天内的功率数据、地面辐射数据及气温数据,根据采集数据的时间关系,建立地面辐射值、气温及对应实际发电功率每天的关系列表,根据采集数据的时间关系,建立地面辐射值、气温及对应实际发电功率每天的关系列表,如公式(1)所示,T={R(t),A(t),W(t);t=1,...,n} (1)其中,T为24小时内地面辐射值、气温及对应实际发电功率的关系列表;R(t)为对应时间序列的地面辐射值;A(t)为对应时间序列的气温;W(t)为对应时间序列的实际光伏发电功率,t为采集数据的采集点按照5min的间隔排序后的序号,n为时间序列的采样点,取值为288,R(t)={r(t),t=1,...,n}、A(t)={a(t),t=1,...,n}、W(t)={w(t),t=1,...,n},r(t)为采集点t处的地面辐射值,a(t)为采集点t处的气温,w(t)为采集点t处的实际光伏发电功率;步骤(2),对采集的数据进行过滤,将日出前及日落后的数据、异常数据删除;步骤(3),根据光伏电站的现场情况,以天为单位,分别对30天内采集的光伏电站的发电功率、地面辐射值及气温,进行归一化处理;步骤(4),以天为单位,对归一化处理后的数据,使用LSSVM 进行拟合,得到每天的发电功率数据、气温数据及地面辐射值的辐射气温功率模型;步骤(5),获取气象局对预测日的天气类型判定,设定天气类型,包括晴天、阴雨天和多云,也可通过人工设定;步骤(6),选取前30天内与步骤(5)的预测日天气类型相同,且日期离预测日最靠近一天的辐射气温功率模型,作为预测用辐射气温功率模型;步骤(7),预测日当天以5min为间隔频率进行光伏超短期预测,以每隔5min采集的归一化处理后的地面辐射值及气温数据作为输入值,归一化处理如步骤(3)的过程相同,通过预测用辐射气温功率模型并对模型输出结果采用反归一化处理,得到5min后的光伏发电功率预测值;步骤(8),根据ARMA误差预测模型对步骤(7)得到的光伏发电功率预测值进行误差预测;步骤(9),根据步骤(8)得到的ARMA误差预测结果修正步骤(7)光伏发电功率预测值进行误差预测,得到经过修正的预测日当天预测时间频率为5min的超短期光伏功率预测值。 |