申请/专利权人：中国农业大学

申请日：2020-08-20

公开（公告）日：2024-04-02

公开（公告）号：CN112116127B

主分类号：H03J3/00

分类号：H03J3/00;G06Q50/06;G06F18/15;G06F18/22

优先权：

专利状态码：有效-授权

法律状态：2024.04.02#授权;2021.01.08#实质审查的生效;2020.12.22#公开

摘要：本发明涉及一种基于气象过程与功率波动关联的光伏功率预测方法，具体的步骤为：数据处理层、波动定义层、波动划分层、预测层和优化层，为了克服光伏功率短期预测波动过程预报不准确的弊端，本发明的目的在于提供一种基于气象过程与功率波动关联的光伏功率预测方法，可显著减小光伏电场短期功率预测的误差。

主权项：1.一种基于气象过程与功率波动关联的光伏功率预测方法，其特征在于，包括如下步骤：A.数据处理层：采集光伏电场历史有功输出功率序列及数值天气预报时间序列，对收集到的数据进行预处理，然后对每日历史数值天气预报数据基于云量、湿度、大尺度降水、对流降水进行划分，根据短期天气预报国家标准确定天气的区间阈值，将光伏电场功率预测模型分为理想日预测模型和非理想日预测模型；B.波动定义层：对单日历史有功输出功率序列的波动过程进行定义，然后利用光伏功率波动参数对波动过程进行描绘，光伏功率波动参数包括：光伏日功率序列波动峰值Rm、光伏日功率序列波动频率f、光伏日功率序列波动突变率hm和光伏日功率序列波动对称度DP；C.波动划分层：根据光伏功率波动参数分别对理想日预测模型和非理想日预测模型下的功率数据进行识别，对理想日预测模型中的功率数据与数值天气预报数据进行统计分析，将功率数据与数值天气预报数据不匹配的数据剔除，按照光伏功率波动参数大小将理想日预测模型中的功率数据与数值天气预报数据定义为理想日波动类型，并得到理想日下的天气分型阈值；对非理想日预测模型中的功率数据与数值天气预报数据进行数学统计分析，按照光伏功率波动参数大小将非理想日预测模型中的功率数据与数值天气预报数据划分为小波动类型、中波动类型、大波动类型及复杂强波动类型，并得到各类型下的分型阈值；D.预测层：分别构建理想日预测模型与非理想日预测模型下天气因素与光伏功率波动参数的映射模型；根据理想日预测模型与非理想日预测模型中天气因素的极差，定义匹配误差值，然后按照时序构建匹配误差序列，并设置匹配误差阈值，将历史数据库中小于等于匹配误差阈值的数值天气预报数据和光伏功率数据挑选出来，对挑选后的光伏功率数据按照匹配误差值进行加权平均，作为待预测日的初次预报功率；E.优化层：根据待预测日的数值天气预报数据，按照步骤D所述的预测层的处理步骤，以15min为单位对待预测日前72h的数值天气预报数据进行优化匹配，将优化匹配程度最高时刻的功率预测误差作为该时刻的预测补偿值，将初次预报功率与预测补偿值叠加即为功率最终预测值，从而实现功率预测的滚动优化。

全文数据：

权利要求：

百度查询： 中国农业大学 一种基于气象过程与功率波动关联的光伏功率预测方法

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