本發明專利技術針對臺區級的光伏發電功率預測問題，提出一種基于細分網格的臺區級光伏出力精準預測方法及裝置，首先基于典型的分布式光伏發電系統進行仿真建模，然后采用模糊C均值聚類算法根據風速、溫度和降水量對光照有效輻照度進行聚類，最后在細分網格化各類別的初始訓練集數據上分別訓練BP神經網絡，并結合訓練完成的預測模型進行光伏超短期出力預測并使用遺傳算法進行誤差修正。與現有技術相比，本發明專利技術可以顯著提高光伏超短期出力預測的精確度和泛化性，減少因光伏發電功率波動帶來的電網調度風險，助力電力調度部門合理安排光伏電源的運營模式和系統調度方案，提升太陽能的并網和消納能力。
【技術實現步驟摘要】
本專利技術涉及一種基于細分網格的臺區級光伏出力精準預測方法及裝置研究，屬于光伏發電預測的。
技術介紹
1、近年來隨著社會經濟的快速發展，要求積極轉變能源生產和消費方式，優化能源結構，加大可再生能源的開發力度，推進分布式能源建設。分布式光伏電站具有單體小、裝機分散等特點；且部分地區表現出高滲透率和高密度等特征，單一分布式光伏發電出力預測精度不高。
2、分布式光伏電站高比例接入區域電網后，將對區域電網造成如下影響：1)對電網局部電壓穩定的影響；2)對電網頻率穩定性的影響；3)對電能質量的影響。具體的說，與傳統電源相比，光伏發電功率受到外界因素的影響更加復雜，僅憑少數特性很難直接反映其變化特性。直接影響因素有太陽輻照強度、大氣質量、云的厚度和高度、光電板的安裝角度、光電板的光電轉化效率等，而非直接的因素則是風速、溫度、濕度、降雨等各種環境因子。氣象條件的突然變化，可能會導致光伏發電功率預測值與實際輸出之間存在巨大差異，這給傳統的優化調度和控制方法提出了新的挑戰，使得以確定性優化為基礎的最優調度策略在經濟上表現出日益明顯的不足。
技術實現思路
1、本專利技術針對臺區級的光伏發電功率預測問題，探索分布式光伏等效替代方法，建立基于模糊c均值聚類算法和遺傳算法ga(genetic?algorithm)優化的bp神經網絡的光伏超短期出力預測模型，并對光伏出力預測誤差進行修正。
2、本專利技術采用如下技術手段實現：一種基于細分網格的臺區級光伏出力精準預測方法，包括以下步驟：</p>3、步驟1、構建一種基于安裝信息的分布式光伏發電仿真模型；
4、步驟2、在光伏發電仿真模型的基礎上，應用模糊c均值聚類算法，根據氣象條件對預測區域歷史天氣數據進行分類，篩選相似日集，將歸一化后的相似日集劃分為訓練集和試驗集；
5、步驟3、劃分預測區域網格確定預測位置，基于各網格氣象數據構成高維輸入矩陣；
6、步驟4、將高維輸入矩陣作為ga-bp神經網絡光伏超短期出力預測模型輸入量，建立ga-bp神經網絡光伏超短期出力預測模型，使用相似日集的訓練集進行訓練，并利用遺傳算法進行參數優化，以提高模型預測的泛化性和準確性；
7、步驟5、使用優化后的ga-bp神經網絡光伏超短期出力預測模型對相似日集的試驗集進行光伏超短期出力預測，根據實際輸出與預測輸出之間的誤差進行動態修正。
8、步驟1中，基于安裝信息的分布式光伏發電仿真模型具體包含如下三個部分：
9、第一個部分為安裝參數信息計算，安裝參數信息為太陽相對于地球表面觀測裝置的位置，是分布式光伏發電仿真模型所需的必要輸入；
10、第二個部分為光伏有效輻照度計算，用于計算全球水平輻照度、直接法線輻照度和擴散水平輻照度，其被用作分布式光伏發電仿真模型的輸入；
11、第三個部分為光伏發電功率計算，本專利技術使用de?soto模型分析和模擬光伏組件的性能。
12、所述步驟2中模糊c均值聚類算法分析具體處理流程如下：
13、首先建立樣本數據集x，設定模糊簇聚類中心、聚類中心個數，通過反復調節聚類中心矩陣更新隸屬度矩陣，根據各數據樣本到聚類中心歐氏距離之和最小得到最佳隸屬度和聚類中心，最后根據隸屬度對樣本點進行簇的劃分；其具體算式如下：
14、
15、其中，數據集x＝{x1,x2,…,xn}，vj(t)為模糊簇聚類中心；c為聚類中心個數；n為樣本數據個數；uij(t)為第i個樣本屬于第j類的隸屬度，uij(t)∈[0,1]；dij(t)為樣本i到聚類中心j的歐氏距離，dij(t)＝||ci-cj||；dik(t)為樣本i到聚類中心k的歐氏距離，dik(t)＝||ci-ck||；t表示所取數據樣本的時間，m是一個刻畫模糊化程度的權重參數。
16、所述步驟2中相似日篩選具體包括如下步驟：
17、4-1)根據之前的預測日氣象狀況識別，判斷出預報當天屬于哪一種氣象類別，并對預測時段內與這一氣象狀況類別相符的全部數據加以篩選，得到相似日集a，利用切比雪夫方法，將預報當日的重要氣象特征參量太陽輻照度c(t)、降水量g(t)與相似日集a中第m個天數的太陽輻照度cm(t)、降水量gm(t)作相應的切比雪夫距離計算，距離大小dm的表達式如下：
18、
19、其中，ρc,m為c(t)與cm(t)氣象特征參量的相關系數；ρg,m為g(t)與gm(t)氣象特征參量的相關系數；d(c(t))為c(t)氣象特征參量的方差；d(g(t))為g(t)氣象特征參量的方差。
20、4-2)利用切比雪夫方法求出相似日集a中每一天與預測日的切比雪夫距離，可得{d1,d2,…,dm}，設定比值系數η滿足：
21、
22、將距離數值序列{d1,d2,…,dm}中數值小于或等于(1+η)·min{d1,d2,…,dm}的全部特征日記為相似日集a中的子集b，將子集b定義為相似日集合。
23、步驟3所述的區域網格按照以下方式劃分：
24、具體是以網格尺度下的分布式光伏電站為研究對象，將預測區域劃分為若干個獨立的小網格，每個網格由若干個分布式光伏電站組成，根據分布式光伏電站集群的面積設定，區域中每個網格的大小約為10km×10km，每個網格包括10條及以上10kv線路。
25、步驟3中，所述的輸入矩陣將單個網格內的光伏日功率曲線作為最小分析單元研究，矩陣的輸入量為全區域包含的光伏發電功率、氣象數據如太陽輻照度、環境溫度和風速，矩陣的輸出量為每個網格待預測日的光伏發電功率，在網格劃分后，將各網格具有不同氣象特征的光伏發電功率曲線綜合在一起，進行對區域總體各類天氣情況下光伏出力的預測。
26、所述的光伏出力的預測具體步驟如下：
27、首先，通過對整個預測區域的氣象數據進行篩選得到相似日訓練集，構建氣象數據與網格輸出功率之間的對應關系，并將其應用于待預測日的預測；其次根據預測位置和要求選擇整體區域預測或是單個網格預測進行針對性預測。
28、所述步驟4中的ga-bp神經網絡光伏超短期出力預測模型輸出層激活函數為：
29、e＝spη[1-0.005(t0+25)]
30、其中，e為光伏出力的數值；s為光伏收集板面積的數值；p為有效輻照度；t0為監測溫度，η為能量轉換效率的數值。
31、本專利技術提供了一種基于細分網格的臺區級光伏出力精準預測裝置，該裝置包括以下模塊：
32、一種基于細分網格的臺區級光伏出力精準預測裝置，該裝置包括以下模塊：
33、安裝參數信息計算模塊：用于觀測太陽相對于地球表面的位置，是分布式光伏發電仿真模型所需的必要輸入；
34、光伏有效輻照度計算模塊：用于計算全球水平輻照度、直接法線輻照度和擴散水平輻照度，其被用作分布式光伏發電仿真模型的輸入；
35、光伏發電功率計算模塊：用于分本文檔來自技高網
...
【技術保護點】
1.一種基于細分網格的臺區級光伏出力精準預測方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的一種基于細分網格的臺區級光伏出力精準預測方法，其特征在于，步驟1中基于安裝信息的分布式光伏發電仿真模型具體包含如下三個部分：
3.根據權利要求1所述的一種基于細分網格的臺區級光伏出力精準預測方法，其特征在于，所述步驟2中模糊C均值聚類算法分析具體處理流程如下：
4.根據權利要求1所述的一種基于細分網格的臺區級光伏出力精準預測方法，其特征在于，所述步驟2中相似日篩選具體包括如下步驟：
5.根據權利要求1所述的一種基于細分網格的臺區級光伏出力精準預測方法，其特征在于，步驟3中，所述的區域網格按照以下方式劃分：
6.根據權利要求1所述的一種基于細分網格的臺區級光伏出力精準預測方法，其特征在于，步驟3中，所述的輸入矩陣將單個網格內的光伏日功率曲線作為最小分析單元研究，矩陣的輸入量為全區域包含的光伏發電功率、氣象數據如太陽輻照度、環境溫度和風速，矩陣的輸出量為每個網格待預測日的光伏發電功率，在網格劃分后，將各網格具有不同氣象特征的光伏發電功率曲線綜合在一起，進行對區域總體各類天氣情況下光伏超短期出力預測。
7.根據權利要求6所述的一種基于細分網格的臺區級光伏出力精準預測方法，其特征在于，所述的光伏出力的預測具體步驟如下：
8.根據權利要求1所述的一種基于細分網格的臺區級光伏出力精準預測方法，其特征在于，所述步驟4中的GA-BP神經網絡光伏超短期出力預測模型輸出層激活函數為：
9.一種基于細分網格的臺區級光伏出力精準預測裝置，其特征在于，該裝置包括以下模塊：
10.一種電子設備，其特征在于，包括存儲器和處理器，所述存儲器存儲有計算機程序，處理器執行計算機程序時實現權利要求1～8中任一項所述的一種基于細分網格的臺區級光伏出力精準預測方法。
11.一種計算機可讀存儲介質，其特征在于，其上存儲有計算機程序，在所述程序運行時，控制所述存儲介質所在設備執行權利要求1～8中任一項所述的一種基于細分網格的臺區級光伏出力精準預測方法。
...
【技術特征摘要】
1.一種基于細分網格的臺區級光伏出力精準預測方法，其特征在于，包括以下步驟：
2.根據權利要求1所述的一種基于細分網格的臺區級光伏出力精準預測方法，其特征在于，步驟1中基于安裝信息的分布式光伏發電仿真模型具體包含如下三個部分：
3.根據權利要求1所述的一種基于細分網格的臺區級光伏出力精準預測方法，其特征在于，所述步驟2中模糊c均值聚類算法分析具體處理流程如下：
4.根據權利要求1所述的一種基于細分網格的臺區級光伏出力精準預測方法，其特征在于，所述步驟2中相似日篩選具體包括如下步驟：
5.根據權利要求1所述的一種基于細分網格的臺區級光伏出力精準預測方法，其特征在于，步驟3中，所述的區域網格按照以下方式劃分：
6.根據權利要求1所述的一種基于細分網格的臺區級光伏出力精準預測方法，其特征在于，步驟3中，所述的輸入矩陣將單個網格內的光伏日功率曲線作為最小分析單元研究，矩陣的輸入量為全區域包含的光伏發電功率、氣象數據如太陽輻照度、環境溫度和風速，矩陣的輸出量為每個網...
【專利技術屬性】
技術研發人員：馬駿毅，李梓丘，笪濤，陳燕，徐藝敏，姜正馳，張大林，高翔，夏鵬程，趙杰，莊舒儀，卜強生，
申請(專利權)人：國網江蘇省電力有限公司鎮江供電分公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。