发明名称 |
基于自学复合数据源光伏发电功率超短期预测方法 |
摘要 |
本发明公开了一种基于自学复合数据源光伏发电功率超短期预测方法,包括输入数据得到自回归滑动平均模型参数;输入光伏发电功率预测所需输入数据到根据自回归滑动平均模型的参数确定的自回归滑动平均模型中得到预测结果,对预测结果进行后评估,即分析预测值与实测值之间的误差,如预测误差大于允许的最大误差,则从新进行模型定阶和模型参数估计。通过对光伏发电过程中的光伏发电功率进行预测,为新能源发电实时调度、新能源发电日前计划、新能源发电月度计划、新能源发电能力评估和弃光电量估计提供关键信息。通过引入复合数据源有效提高光伏发电功率超短期预测精度,从而实现在保障电网安全稳定经济运行的前提下有效提高新能源上网电量目的。 |
申请公布号 |
CN103927595A |
申请公布日期 |
2014.07.16 |
申请号 |
CN201410163054.X |
申请日期 |
2014.04.22 |
申请人 |
国家电网公司;国网甘肃省电力公司;甘肃省电力公司风电技术中心 |
发明人 |
汪宁渤;路亮;靳丹;马彦宏;王小勇;黄蓉;张金平 |
分类号 |
G06Q10/04(2012.01)I;G06Q50/06(2012.01)I |
主分类号 |
G06Q10/04(2012.01)I |
代理机构 |
北京中恒高博知识产权代理有限公司 11249 |
代理人 |
宋敏 |
主权项 |
一种基于自学习复合数据源光伏发电功率超短期预测方法,其特征在于,包括输入数据得到自回归滑动平均模型参数;输入光伏发电功率预测所需输入数据到根据上述自回归滑动平均模型的参数确定的自回归滑动平均模型中得到预测结果;对预测结果进行后评估,即分析预测值与实测值之间的误差,如预测误差大于允许的最大误差,则从新进行模型定阶和模型参数估计;所述输入数据得到自回归滑动平均模型参数包括,步骤101、输入模型训练基础数据;步骤102、模型定阶;步骤103、采用矩估计方法对定阶的ARMA(p,q)模型参数进行估计。 |
地址 |
100031 北京市西城区西长安街86号 |