申请/专利权人：国网浙江省电力有限公司电力科学研究院

申请日：2020-07-22

公开（公告）日：2023-10-24

公开（公告）号：CN111967652B

主分类号：G06Q10/04

分类号：G06Q10/04;G06Q50/06;H02J3/00

优先权：

专利状态码：有效-授权

法律状态：2023.10.24#授权;2020.12.08#实质审查的生效;2020.11.20#公开

摘要：本发明涉及光伏系统超短期功率预测技术领域，现有对光伏系统在气象多变时超短期预测准确性不高，本发明提供了一种双层协同实时校正光伏预测方法，该方法包括，利用基准层光伏预测模型F1获得未来N小时内的基准层光伏预测集；结合基准层的光伏预测误差，利用实时层光伏预测模型F2对基准层光伏预测集中的预测值逐时刻校正，获得最终的实时层光伏预测集；根据光伏波动规律，考虑最优时序平移特性，在对基准层光伏预测结果校正后得到最终的光伏功率预测值，能削弱过程性天气因素对光伏预测的影响，提升光伏预测的精度。

主权项：1.一种双层协同实时校正光伏预测方法，用于对光伏发电站未来N小时内光伏功率进行预测，其特征在于，包括，利用预先获得的基于XGBoost的基准层光伏预测模型F1获得未来N小时内的基准层光伏预测集；结合基准层的光伏预测误差，利用预先获得的实时层光伏预测模型F2对基准层光伏预测集中的预测值逐时刻校正，获得最终的实时层光伏预测集；所述基准层光伏预测误差指在预测时刻前的基准层光伏预测值与对应该时刻的光伏功率实测值之间的偏差；在逐时刻校正的过程中，将获得的当前预测时刻的实时层光伏预测值作为下一预测时刻的光伏功率实测值；所述基于XGBoost的基准层光伏预测模型F1和基于XGBoost的实时层光伏预测模型F2利用光伏功率历史实测数据以及对光伏功率有影响的强相关性因素的历史数据集建立；所述利用预先获得的基于XGBoost的基准层光伏预测模型F1获得未来N小时内基准层光伏预测集的步骤如下：预先获取该发电站所在地对光伏功率有影响的强相关性因素当天的预报数据集B；将预报数据集B代入预先获得的基于XGBoost的基准层光伏预测模型F1获得该发电站在未来N小时内的基准层光伏预测集Y1；所述结合基准层的光伏预测误差并利用预先获得的实时层光伏预测模型F2对基准层光伏预测集中的预测值逐时刻校正的步骤如下：所述预测时刻为Ｔ，Ｔ∈[t1，tn]，预测时刻间隔≥10min，Ｔ在[t1，tn]内逐点延顺；所述基准层光伏预测集Y1包括在Ｔ时刻的基准层光伏预测值Y1,Ｔ，以及在Ｔ前Z小时内的基准层光伏预测集Y1,Ｔ-z；所述基准层光伏预测值Y1,Ｔ和所述基准层光伏预测集Y1,Ｔ-z随预测时刻Ｔ滚动；计算所述基准层光伏预测集Y1,Ｔ-z中的预测值与实测数据集CＴ-Z中的实测值之间的差值并构成基准层光伏预测误差集EＴ-Z；所述实测数据集CＴ-Z和所述基准层光伏预测误差集EＴ-Z随预测时刻Ｔ滚动；所述实测数据集CＴ-Z为在Ｔ前Z小时内的光伏功率的实测数据集，所述实测数据集CＴ-Z随预测时刻Ｔ滚动；当Ｔ=t1时，Ct1-Z等于该发电站在t0前Z小时内的光伏功率的实测数据集c0，t0为当前时刻，实测数据集c0是预先获取的；将所述基准层光伏预测集Y1,Ｔ-z、所述基准层光伏预测值Y1，T和所述基准层光伏预测误差集ET-Z代入预先获得的基于XGBoost的实时层光伏预测模型F2，对所述基准层光伏预测值Y1,Ｔ进行校正，获得该发电站在预测时刻T的实时层光伏预测值Y2,T；将所述实时层光伏预测值Y2,T作为光伏功率的在T时刻的实测值后，所述实测数据集CT-Z随T顺延滚动至下一时刻并构成新的实测数据集，重复上述校正，对所述基准层光伏预测集Y1中的在t1后预测值逐点校正；校正后的预测值Y2,t1至Y2,tn构成的集合即为该发电站在未来N小时内的实时层光伏预测集Y2。

全文数据：

权利要求：

百度查询： 国网浙江省电力有限公司电力科学研究院 一种双层协同实时校正光伏预测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD