基于軌跡特征的分布式光伏發(fā)電功率預測技術研究.pdf

1、分布式光伏電站因裝機容量小、空間分布較廣，受制于成本、技術等因素，很大比例的小容量分布式光伏電站并未單獨配備完善的電站監(jiān)控系統(tǒng)，并且難以獲取精確的數(shù)值天氣預報。因此，不同于大型光伏電站，這類電站無法采用基于氣象信息的預測方法。
　　為利用現(xiàn)有條件實現(xiàn)盡可能多的分布式光伏電站的出力預測，亦或為分布式光伏出力超短期預測提供一種新的思路，本文利用大數(shù)據(jù)思維對光伏電站間的歷史出力軌跡的相關性進行挖掘，提出一種基于空間相關性的分布式光伏功率

2、超短期預測技術，將缺乏預測條件的目標光伏電站映射到預測條件豐富的參考光伏電站，從而實現(xiàn)對目標光伏電站的超短期預測。
　　本文主要進行了以下具體工作:
　　(1)基于層次聚類算法的分布式光伏出力軌跡相關特征匹配。首先，在現(xiàn)有分布式光伏出力軌跡特征研究的基礎上，類比時序相關性提出了空間相關性的相關概念及判定原則，并分析了時序相關匹配與空間相關匹配的區(qū)別與聯(lián)系以及各自的適用范圍。之后，提出了利用層次聚類算法實現(xiàn)空間相關匹配及時序相

3、關匹配的算法流程，并通過仿真驗證了其可行性。
　　(2)基于空間相關性的分布式光伏出力主從預測方法。研究被聚類為同一類的光伏電站間的歷史出力軌跡的空間相關關系，并建立表征該空間相關關系的數(shù)學模型，以參考光伏電站的超短期預測作為模型輸入，輸出目標光伏電站的超短期預測結果。其中，參考光伏電站利用豐富的預測條件，通過BP-人工神經(jīng)網(wǎng)絡等方法對歷史樣本數(shù)據(jù)進行訓練，得到一個以氣象信息作為輸入，以有功出力作為輸出的人工神經(jīng)網(wǎng)絡預測模型，從而

4、基于數(shù)值天氣預報可以得到參考光伏電站的超短期出力預測結果，進而根據(jù)相關關系計算出目標光伏電站的預測出力曲線。
　　(3)影響主從預測方法預測精度的關鍵因素研究。研究時空延遲特性、動態(tài)空間匹配與靜態(tài)空間匹配、不同參考光伏電站、聚類閾值以及日前匹配天數(shù)這5個關鍵影響因素對空間相關匹配與主從預測方法的影響，為進一步確定合理的關鍵參數(shù)取值范圍提供依據(jù)。
　　本文通過多個仿真算例驗證了基于軌跡空間相關特征的分布式光伏超短期預測方法的可