【摘要】：根據光伏發(fā)電功率的變化是非穩(wěn)定和隨機的特點,為進一步提高光伏功率預測精度,該文提出一種基于VMD-SE-LSSVM和迭代誤差修正的預測方法。該方法首先采用變分模態(tài)分解(VMD)技術將歷史光伏發(fā)電功率分解成一系列有限帶寬的子模態(tài),避免模態(tài)混疊和噪聲沖擊的影響;然后用最小二乘支持向量機分別預測光伏發(fā)電功率和誤差,將誤差補償后的功率值作為最終的預測結果。此外,該文還采用樣本熵(SE)原理將天氣類型量化作為特征向量輸入支持向量機(SVM)參與預測,兼顧了天氣因素和時間維度對預測值的影響。經過仿真和與傳統(tǒng)方法的預測結果比對,該文所提出的方法在不同天氣類型中均提高了準確性,在光伏電站功率預測中具有一定的理論與實用價值。
【圖文】：

從歷史數(shù)據中選取包含q個數(shù)據點的訓練集D，從起始端按時間先后選取a個數(shù)據點對第a+1個光伏發(fā)電功率點進行預測。本文采用數(shù)據時間窗滾動預測法，當對第a+2個點進行預測時，第a+1個點的真實數(shù)據已經包含在訓練數(shù)據里，同時剔除時間上最遠點的數(shù)據，重新訓練模型進行預測，直到得到q-a個預測的光伏發(fā)電功率值，與真實值比較后，得到對應的q-a個1級誤差。同樣從1級誤差序列中選取a個數(shù)據點，采取滾動預測，對之后1級誤差進行預測，與真實1級誤差進行比較，得到數(shù)據點數(shù)量為q-2a的2級誤差序列。以此類推，得到p級誤差序列。最終我們獲得我們預測所需的完整的p+1組數(shù)據序列（圖2虛線框內），X.(1）表示歷史光伏發(fā)電功率序列，X.(e1)～X.(ep）依次為1級～p級誤差序列，具體流程如圖2。誤差中的遺失的光伏發(fā)電功率值可以被預測出來，但過多的誤差迭代次數(shù)對精度沒有明顯增益，反而會導致結果發(fā)散。設定誤差計算終止條件為，在實際操作中發(fā)現(xiàn)當計算到三級誤差，大多滿足終止條件，故p取值為1～3，對于計算不足3次的誤差，以0補齊。見表3為最終構造的初始訓練樣本。

由表3的初始訓練樣本，對測試集進行預測。光伏發(fā)電功率值是模型的目標輸出，受到眾多不確定因素的影響而呈現(xiàn)出非平穩(wěn)波動，所以只分解光伏發(fā)電功率序列。根據各模態(tài)與原始信號的相關度分析，本文將訓練集的光伏發(fā)電功率序列分成了6(k=6）個模態(tài)，分別為IMF(u1）、IMF(u2）、IMF(u3）、IMF(u4）、IMF(u5）、IMF(u6），每個IMF分量都保持了原始序列的特征又抑制了模態(tài)混疊，降低原始序列復雜度的同時又提高了預測精度，，圖3為本文所構造的初始訓練樣本的分解結果。對每個IMF分量結合歷史太陽輻照度、風速、溫度、濕度、天氣類型和下一時刻t的天氣類型分別建立LSSVM模型預測下一時刻t的光伏發(fā)電功率分量，將預測的6個分量IMF1、IMF2、IMF3、IMF4、IMF5、IMF6合成后的值記作y1，然后用誤差序列X.(u1)～X.(u3）結合氣象數(shù)據預測下一時刻t的1級～3級誤差，預測結果分別表示為e1、e2、e3，最后得到t時刻的預測值y=y1+e1+e2+e3（若最終預測值為負，默認為0），逆歸一化后就是t時刻的功率預測值。接著對下一個時刻t+1進行預測，即已知t時刻的真實功率和各級誤差，將其添入訓練樣本中，同時剔除最遠點的數(shù)據，在一直保持數(shù)據長度不變的情況下滾動更新訓練集的光伏發(fā)電功率序列和各級誤差序列，重新訓練LSSVM模型繼續(xù)預測，本文選取預測點前20天的數(shù)據對預測點進行預測，具體流程見圖4。

【參考文獻】

相關期刊論文 前6條

1 朱紅路;李旭;姚建曦;張凡;;基于小波分析與神經網絡的光伏電站功率預測方法[J];太陽能學報;2015年11期

2 黃磊;舒杰;姜桂秀;張繼元;;基于多維時間序列局部支持向量回歸的微網光伏發(fā)電預測[J];電力系統(tǒng)自動化;2014年05期

3 唐舟進;任峰;彭濤;王文博;;基于迭代誤差補償?shù)幕煦鐣r間序列最小二乘支持向量機預測算法[J];物理學報;2014年05期

4 丁明;王偉勝;王秀麗;宋云亭;陳得治;孫鳴;;大規(guī)模光伏發(fā)電對電力系統(tǒng)影響綜述[J];中國電機工程學報;2014年01期

5 蔣浩;洪麗;張國江;;主成分分析結合神經網絡的光伏發(fā)電量預測[J];電力系統(tǒng)及其自動化學報;2013年06期

6 茆美琴;龔文劍;張榴晨;曹雨;徐海波;;基于EEMD-SVM方法的光伏電站短期出力預測[J];中國電機工程學報;2013年34期

【共引文獻】

相關期刊論文 前10條

1 司傳濤;肖靜;張閣;肖園園;;光伏發(fā)電系統(tǒng)無功支撐能力評估分析[J];廣西電力;2015年06期

2 徐東東;張海寧;劉衛(wèi)亮;王印松;吳延群;;小型光伏發(fā)電實驗平臺的設計與實現(xiàn)[J];國網技術學院學報;2015年06期

3 魏剛;范雪峰;張中丹;宋汶秦;夏懿;姚天亮;;風電和光伏發(fā)展對甘肅電網規(guī)劃協(xié)調性的影響及對策建議[J];電力系統(tǒng)保護與控制;2015年24期

4 馬草原;孫富華;朱蓓蓓;尹志超;;神經網絡算法的改進及其在有源電力濾波器中的應用[J];電力系統(tǒng)保護與控制;2015年24期

5 胡春花;朱德志;歐陽菲菲;徐峰;王宏林;;基于工程用光伏組件參數(shù)估算優(yōu)化設計[J];電源技術;2015年12期

6 李富春;傅旭;王昭;楊攀峰;苗淼;;抽水蓄能電站對海西地區(qū)光伏接納能力的影響研究[J];陜西電力;2015年12期

7 丁恒春;楊曉波;錢吉紅;殷慶鐸;陳穎;;基于dSPACE的光伏并網系統(tǒng)實時仿真[J];陜西電力;2015年12期

8 宋晴宇;逯沙鷗;;光伏逆變器LC型濾波器對暫態(tài)過電壓影響研究[J];黑龍江科技信息;2015年35期

9 支新;陳翔雁;鄭飛飛;;我國太陽能發(fā)電行業(yè)的前景分析與思考[J];科技風;2015年23期

10 韋立坤;趙波;吳紅斌;張雪松;;虛擬電廠下計及大規(guī)模分布式光伏的儲能系統(tǒng)配置優(yōu)化模型[J];電力系統(tǒng)自動化;2015年23期

【二級參考文獻】

相關期刊論文 前10條

1 陳志寶;李秋水;程序;周海;丁杰;;基于地基云圖的光伏功率超短期預測模型[J];電力系統(tǒng)自動化;2013年19期

2 楊明;周林;張東霞;張密;;考慮電網阻抗影響的大型光伏電站并網穩(wěn)定性分析[J];電工技術學報;2013年09期

3 曾正;趙榮祥;湯勝清;楊歡;呂志鵬;;可再生能源分散接入用先進并網逆變器研究綜述[J];中國電機工程學報;2013年24期

4 韓敏;許美玲;;一種基于誤差補償?shù)亩嘣煦鐣r間序列混合預測模型[J];物理學報;2013年12期

5 徐瑞;滕賢亮;張小白;龐濤;丁茂生;馬軍;;大規(guī)模光伏有功綜合控制系統(tǒng)設計[J];電力系統(tǒng)自動化;2013年13期

6 蔣平;嚴棟;吳熙;;考慮風光互補的間歇性能源準入功率極限研究[J];電網技術;2013年07期

7 董偉杰;白曉民;朱寧輝;周子冠;李慧玲;;間歇式電源并網環(huán)境下電能質量問題研究[J];電網技術;2013年05期

8 李斌;袁越;;光伏并網發(fā)電對保護及重合閘的影響與對策[J];電力自動化設備;2013年04期

9 丁明;劉盛;;基于遺傳算法的多個光伏電源極限功率計算[J];電網技術;2013年04期

10 陳權;李令冬;王群京;段曉波;葉金根;曾野;;光伏發(fā)電并網系統(tǒng)的仿真建模及對配電網電壓穩(wěn)定性影響[J];電工技術學報;2013年03期

【相似文獻】

相關期刊論文 前10條

1 張嵐;張艷霞;郭嫦敏;趙杰;;基于神經網絡的光伏系統(tǒng)發(fā)電功率預測[J];中國電力;2010年09期

2 王振旗;姚曉斌;;基于GA-BP算法的光伏系統(tǒng)發(fā)電功率預測[J];計算機系統(tǒng)應用;2016年02期

3 孫志強;李東陽;;基于時頻熵和神經網絡的光伏發(fā)電功率預測模型[J];中南大學學報(自然科學版);2020年01期

4 周同旭;周松林;;光伏發(fā)電功率區(qū)間概率預測[J];銅陵學院學報;2017年02期

5 張偉;;基于神經網絡的光伏發(fā)電系統(tǒng)發(fā)電功率預測[J];山東工業(yè)技術;2017年16期

6 ;技術轉讓[J];軍民兩用技術與產品;1989年08期

7 劉士榮;李松峰;寧康紅;周嘯波;榮延澤;;基于極端學習機的光伏發(fā)電功率短期預測[J];控制工程;2013年02期

8 劉士榮;李松峰;寧康紅;周嘯波;榮延澤;;基于極端學習機的光伏發(fā)電功率短期預測[J];控制工程;2013年03期

9 黎嘉明;艾小猛;文勁宇;方家琨;謝海蓮;;光伏發(fā)電功率持續(xù)時間特性的概率分布定量分析[J];電力系統(tǒng)自動化;2017年06期

10 高源;張節(jié)潭;孫光友;李永勝;李紅濤;;光伏組件發(fā)電功率衰減測試標準與方法[J];青海電力;2017年02期

相關會議論文 前7條

1 崔楊;陳正洪;成馳;唐俊;谷春;;光伏發(fā)電功率預測預報系統(tǒng)升級方案設計及關鍵技術實現(xiàn)[A];2014中國環(huán)境科學學會學術年會（第十二章）[C];2014年

2 崔楊;陳正洪;孫朋杰;;棄光限電條件下不同緯度地區(qū)短期光伏發(fā)電功率預測對比分析[A];2016中國環(huán)境科學學會學術年會論文集（第四卷）[C];2016年

3 ;龍源內蒙古公司風電場發(fā)電功率預測系統(tǒng)獲省級科技進步獎[A];《風電技術》2013年08月第4期（總第40期）[C];2013年

4 馮雷;黃宏;張秀坤;張欣;;基于AR模型的風力發(fā)電功率預測仿真[A];Proceedings of 14th Chinese Conference on System Simulation Technology & Application(CCSSTA’2012)[C];2012年

5 常學飛;樸哲勇;呂項羽;劉座銘;;基于BP-ANN神經網絡的光伏發(fā)電功率超短期預測方法[A];發(fā)揮科技支撐作用深入推進創(chuàng)新發(fā)展——吉林省第八屆科學技術學術年會論文集[C];2014年

6 李勝利;萬書春;;TRT發(fā)電的工藝與控制[A];中國計量協(xié)會冶金分會2009年年會論文集[C];2009年

7 涂仁輝;;利用剩余煤氣提高燒結余熱發(fā)電功率[A];2014年十一�。ㄊ校┙饘伲ㄒ苯穑⿲W會冶金安全環(huán)保學術交流會論文集[C];2014年

相關重要報紙文章 前4條

1 薛怡;西北風力發(fā)電功率、電量均創(chuàng)新高[N];國家電網報;2012年

2 記者 王震　汪駿原 通訊員 程序;甘肅電網光伏發(fā)電功率預測系統(tǒng)投運[N];國家電網報;2011年

3 記者 張劍雯;全省風電發(fā)電功率創(chuàng)最高紀錄[N];山西經濟日報;2012年

4 本報記者 趙冉;光伏發(fā)電“站”起來[N];中國電力報;2016年

相關博士學位論文 前3條

1 甄釗;光伏發(fā)電功率多時間尺度預測方法研究[D];華北電力大學(北京);2018年

2 邢作霞;大型變速變距風力發(fā)電機組的柔性協(xié)調控制技術研究[D];北京交通大學;2008年

3 王飛;并網型光伏電站發(fā)電功率預測方法與系統(tǒng)[D];華北電力大學;2013年

相關碩士學位論文 前10條

1 邢校萄;支持向量機在短期光伏發(fā)電功率預測中的應用[D];華北電力大學;2015年

2 劉兆坤;基于數(shù)據驅動的光伏發(fā)電超短期預測方法研究[D];杭州電子科技大學;2019年

3 胡然;基于深度學習的新能源電站發(fā)電功率預測方法研究[D];華北電力大學(北京);2019年

4 紀棋彬;光伏并網系統(tǒng)短期功率預測方法研究[D];江蘇大學;2019年

5 胡俊靈;基于深度學習算法的短期光伏發(fā)電功率預測研究[D];廣東工業(yè)大學;2019年

6 張晉霞;基于LSTM網絡的短期風力發(fā)電功率預測模型研究[D];北京工業(yè)大學;2019年

7 易海燕;基于小波分解和卷積神經網絡的光伏發(fā)電功率預測方法[D];深圳大學;2018年

8 田義;基于深度學習的光伏發(fā)電功率預測技術研究[D];北方工業(yè)大學;2019年

9 程港;計及光伏發(fā)電功率預測的主動配電系統(tǒng)狀態(tài)估計[D];廣西大學;2019年

10 黃鵬;基于變分模態(tài)分解和神經網絡的光伏發(fā)電功率短期預測[D];廣西大學;2019年

本文編號：2706557