| 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。 |
