一种区域分布式光伏功率预测方法及相关装置与流程
本发明属于功率预测,涉及一种区域分布式光伏功率预测方法及相关装置。
背景技术:
1、分布式光伏装机容量迅猛增长。其“点多面广、波动性强”的特点,给电网的调度运行与安全稳定带来了巨大挑战。为实现对高渗透率分布式光伏的有效管理,对其进行精准的发电功率预测至关重要。传统的“单场预测”方法需要对区域内成千上万个分布式光伏站点逐一建模,面临数据采集成本高、计算资源需求大、模型维护复杂等难题,难以适用于区域级的功率预测场景。因此,发展一种能够利用有限站点数据、高效预测整个区域总出力的方法,成为行业亟待解决的关键技术问题。区域功率预测的核心矛盾在于,如何在保证预测精度的前提下,大幅降低对单个电站数据的依赖和数据处理的复杂度。
2、目前,针对区域分布式光伏功率预测,已有的技术方案主要包括:
3、单场预测加总法:这是最直观的方法,即对区域内的每一个分布式光伏电站单独建立功率预测模型,再将所有电站的预测结果进行加总,得到区域总功率预测。该方法理论精度上限高,但实际应用中需要获取每个站点的详细数据(如设备参数、历史发电数据、本地微气象数据),数据获取与计算成本极高,不适用于大规模分布式光伏场景。
4、简单聚合统计法:为了降低复杂度,一些方法尝试选取部分电站作为“代表站”。例如,随机选取若干电站,或选取装机容量最大的几个电站,将其发电功率按一定简单比例(如按装机容量比例)放大,作为区域总功率的估计。这类方法虽大幅降低了数据需求,但未充分考虑电站间出力的时空相关性与差异性,预测精度低、稳定性差,尤其在天气剧烈变化时误差较大。
5、基于卫星或数值天气预报的区域辐照度预测法:该方法利用卫星遥感或数值天气预报模型直接获取区域尺度的太阳辐照度数据,再通过物理或统计模型将其转换为区域总功率。该方法不依赖单个电站数据,但将辐照度转换为功率时,需要准确知晓区域内所有光伏板的有效面积、倾角、效率衰减等物理参数,而这些参数在实际中难以精确获取,导致转换模型存在显著误差。
6、综上所示,现有技术中存在大规模分布式光伏区域功率预测中成本与精度难以兼顾的问题。
技术实现思路
1、本发明的目的在于克服上述现有技术的缺点,提供了一种区域分布式光伏功率预测方法及相关装置,该方法及相关装置能够解决大规模分布式光伏区域功率预测中成本与精度难以兼顾的问题。
2、为达到上述目的,本发明公开了一种区域分布式光伏功率预测方法,包括:
3、获取区域电站群数据、卫星辐射数据、地面辐射观测数据及数值天气预报辐射数据;
4、以区域电站群数据为聚类特征,使用k-means算法进行聚类,得到若干子区域;
5、确定各子区域的代表站;
6、修正卫星辐射数据、地面辐射观测数据及数值天气预报辐射数据;
7、基于修正后的卫星辐射数据、地面辐射观测数据及数值天气预报辐射数据预测各代表站在未来时段的功率预测值;
8、基于在未来时段的功率预测值代表站在未来时段的功率预测值计算目标区域的分布式光伏功率。
9、进一步的,所述区域电站群数据为目标区域内所有分布式光伏电站的历史发电功率时间序列数据;
10、所述卫星辐射数据为与历史时段相匹配的、覆盖目标区域的卫星反演地表太阳辐射数据;
11、所述地面辐射观测数据为目标区域内地面辐射观测站的历史及实时辐照度观测数据;
12、所述数值天气预报辐射数据为数值天气预报模式输出的辐射及多气象要素预报数据。
13、进一步的,k-means算法的k值,根据目标区域的地理面积大小、电站空间分布密度以及出力曲线的形态特征综合设定。
14、进一步的,采取基于最小冗余-最大相关的代表站选择策略选择代表站。
15、进一步的,采用概率密度匹配法,利用地面观测站辐射数据作为基准对卫星辐射数据进行修正;
16、采用lightgbm机器学习算法建立修正模型,对数值天气预报辐射数据进行修正。
17、进一步的,基于在未来时段的功率预测值代表站在未来时段的功率预测值,采用加权求和的方式,计算目标区域的分布式光伏功率。
18、进一步的,基于权重计算法、神经网络算法及布谷鸟搜索算法确定各代表站的权重。
19、本发明公开了一种区域分布式光伏功率预测系统,包括:
20、获取模块,用于获取区域电站群数据、卫星辐射数据、地面辐射观测数据及数值天气预报辐射数据;
21、聚类模块,用于以区域电站群数据为聚类特征,使用k-means算法进行聚类,得到若干子区域;
22、确定模块,用于确定各子区域的代表站;
23、修正模块,用于修正卫星辐射数据、地面辐射观测数据及数值天气预报辐射数据;
24、预测模块,用于基于修正后的卫星辐射数据、地面辐射观测数据及数值天气预报辐射数据预测各代表站在未来时段的功率预测值;
25、计算模块,用于基于在未来时段的功率预测值代表站在未来时段的功率预测值计算目标区域的分布式光伏功率。
26、本发明公开了一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现所述区域分布式光伏功率预测方法的步骤。
27、本发明公开了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现所述区域分布式光伏功率预测方法的步骤。
28、本发明具有以下有益效果:
29、本发明所述区域分布式光伏功率预测方法及相关装置在具体操作时,通过智能选择最具代表性的少量电站,并建立其与区域总功率之间的高精度统计映射模型,从而在仅需少量电站数据的前提下,实现对区域总发电功率的高效、高精度预测,解决大规模分布式光伏区域功率预测中成本与精度难以兼顾的难题。
1.一种区域分布式光伏功率预测方法,其特征在于,包括:
2.根据权利要求1所述的区域分布式光伏功率预测方法,其特征在于,所述区域电站群数据为目标区域内所有分布式光伏电站的历史发电功率时间序列数据;
3.根据权利要求1所述的区域分布式光伏功率预测方法,其特征在于,k-means算法的k值,根据目标区域的地理面积大小、电站空间分布密度以及出力曲线的形态特征综合设定。
4.根据权利要求1所述的区域分布式光伏功率预测方法,其特征在于,采取基于最小冗余-最大相关的代表站选择策略选择代表站。
5.根据权利要求1所述的区域分布式光伏功率预测方法,其特征在于,采用概率密度匹配法,利用地面观测站辐射数据作为基准对卫星辐射数据进行修正;
6.根据权利要求1所述的区域分布式光伏功率预测方法,其特征在于,基于在未来时段的功率预测值代表站在未来时段的功率预测值,采用加权求和的方式,计算目标区域的分布式光伏功率。
7.根据权利要求6所述的区域分布式光伏功率预测方法,其特征在于,基于权重计算法、神经网络算法及布谷鸟搜索算法确定各代表站的权重。
8.一种区域分布式光伏功率预测系统,其特征在于,包括:
9.一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1-7任一项所述区域分布式光伏功率预测方法的步骤。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1-7任一项所述区域分布式光伏功率预测方法的步骤。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com