基于堆叠集成模型的光伏输出功率预测方法与流程

本发明涉及光伏功率预测，具体涉及一种基于堆叠集成模型的光伏输出功率预测方法。

背景技术：

1、光伏功率预测是优化负荷的重要步骤，对于并网或离网的光伏系统都具有重要的意义。对于并网的光伏系统，预测能够影响本地能源使用的结果，帮助其避免承受电力市场的平衡电力成本。并网光伏系统通常会生成电力来满足本地消纳，并将剩余电力输送到电网中。离网的独立光伏系统无法将剩余电力注入电网，它们只会在本地存在负载或本地储能有容量的情况下产生电力。在这种系统中，储存、规划和控制电气设备是最大化光伏利用的关键因素。因此，离网光伏系统的预测与并网光伏系统的预测有所不同。

2、当前光伏功率预测主要关注并网光伏系统，而忽视了离网光伏系统对于自发自用者的重要性，同时也缺乏对不同规模和连接方式的光伏系统的兼容性，缺乏充分的数据支持，因为大部分光伏预测方法仅使用单个数据集进行训练和验证，且天气预测的不确定性会导致光伏预测不准确，最终使得对光伏输出功率的预测不够准确和稳定。

技术实现思路

1、本发明的目的在于提供一种基于堆叠集成模型的光伏输出功率预测方法，以解决上述问题。

2、本发明所采用的技术方案为：

3、一种基于堆叠集成模型的光伏输出功率预测方法，步骤如下：

4、s1.获取数据并处理数据，所述数据包括天气数据和光伏数据；

5、s2.采用确定性模型计算得到确定输出功率；

6、s3.采用随机性模型计算得到随机输出功率；

7、s4.将确定输出功率和随机输出功率输入至堆叠集成模型中，得到预测输出功率。

8、作为本发明进一步改进的技术方案，在步骤s1中，所述天气数据包括总云量天气温度tempwx、紫外线辐射指数湿度大气压力和有效太阳辐照度

9、所述光伏数据包括光伏参数和光伏历史发电数据，所述光伏参数包括负载、原始光伏输出功率额定功率pstd、电池功率、充电状态、功率温度系数αp、光伏电池的温度tempstd、光伏有效太阳辐照度和直流到交流电转换的效率ηc。

10、作为本发明进一步改进的技术方案，在步骤s1中，数据处理的方式为：

11、s1.1.判断数据为正常数据或异常数据，所述异常数据为无效读数和噪声值；

12、s1.2.对于无效读数，采用插值法插值相邻的有效值来替换无效读数，所述无效读数为读数缺失或者读数为零；

13、对于缺失的有效太阳辐照度采用pvlib函数计算补全缺失的有效太阳辐照度

14、对于噪声值，采用滤波处理；

15、s1.3.将经过数据处理得到的数据补入或覆盖原始数据。

16、作为本发明进一步改进的技术方案，所述确定性模型采用公式(2)来计算确定输出功率：

17、

18、其中，为确定输出功率，irstd为在标准测试条件下测量的有效太阳辐照度，ηp为调整额定功率的缩放因子。

19、作为本发明进一步改进的技术方案，步骤s3包括如下步骤：

20、s3.1准备输入数据：

21、建立第一联系特征所述第一联系特征用于表示总云量与有效太阳辐照度之间的联系关系；

22、建立第二联系特征所述第二联系特征用于表示时间段h与光伏有效太阳辐照度之间的联系关系；

23、将第一联系特征和第二联系特征组合形成联系特征组

24、设置若干分析特征，所述分析特征用于表示光伏输出功率与天气数据之间的关系；

25、将时间段h、天气数据、联系特征组和分析特征集合形成输入集合x；

26、s3.2拟合模型：

27、选择若干随机性模型；

28、若干随机性模型在输入集合x的历史记录上进行训练和测试，随后计算训练集和测试集的预测误差，评估过拟合问题，并对超参数进行调整和优化；

29、s3.3定义随机性模型的输入数据为输出数据(随机输出功率)为应用拟合模型于与下一个时间间隔相对应的输入数据以预测输出数据

30、作为本发明进一步改进的技术方案，对原始光伏输出功率进行数据处理后得到光伏输出功率若干所述分析特征包括光伏输出功率的最小值、平均值、最大值、标准差、范围和比例，六个所述分析特征在t2内按第二联系特征聚合，如公式(5)所示：

31、

32、

33、

34、

35、

36、

37、其中，t2为第二时间窗口。

38、作为本发明进一步改进的技术方案，根据时间段h、天气数据、联系特征组和分析特征对目标变量——随机输出功率的影响并进行排名，按照排名高低组合成输入集合x[时间段(h)、有效太阳辐照度联系特征组分析特征、紫外线指数总云量温度湿度大气压力]：

39、

40、作为本发明进一步改进的技术方案，所述天气数据的来源有若干个，形成若干个确定性模型，自若干个确定性模型分别输出若干个确定输出功率；

41、所述随机性模型一共有5个：

42、

43、其中，lstm为长短期记忆递归网络，gbr为梯度树提升回归器，xgbr为极致梯度提升，lgbr为轻量级梯度提升回归器，hgbr为直方图梯度提升回归树；

44、将若干个确定输出功率和5个随机输出功率输入至堆叠集成模型中。

45、作为本发明进一步改进的技术方案，所述堆叠集成预测模型采用sef模型，设置一系数θi，j，将确定性模型的预测结果和随机性模型的预测结果通过系数θi，j进行组合和加权，如公式(8)所示，得到预测输出功率：

46、

47、

48、其中，为预测输出功率。

49、作为本发明进一步改进的技术方案，系数θi，j的确定方法：使用-0.5到+0.5之间的一个随机数作为初始的系数θi，j的值并计算堆叠集成预测模型的输出进行若干次迭代来拟合系数θi，j，在迭代过程中，使用公式(9)更新系数θi，j：

50、

51、其中，为实际目标值，m为样本数量，t3为训练时间间隔。

52、本发明所具有的有益效果为：

53、通过上述方法，将多个确定性模型和多个随机性模型的预测结果输入堆叠集成预测模型中来预测光伏的输出功率，并综合考虑多个影响因素，降低了天气数据对预测结果的影响，提高了预测的可靠性和准确度。

技术特征：

1.一种基于堆叠集成模型的光伏输出功率预测方法，其特征在于，步骤如下：

2.根据权利要求1所述的基于堆叠集成模型的光伏输出功率预测方法，其特征在于：

3.根据权利要求2所述的基于堆叠集成模型的光伏输出功率预测方法，其特征在于：

4.根据权利要求3所述的基于堆叠集成模型的光伏输出功率预测方法，其特征在于：

5.根据权利要求4所述的基于堆叠集成模型的光伏输出功率预测方法，其特征在于：

6.根据权利要求5所述的基于堆叠集成模型的光伏输出功率预测方法，其特征在于：

7.根据权利要求5所述的基于堆叠集成模型的光伏输出功率预测方法，其特征在于：

8.根据权利要求5所述的基于堆叠集成模型的光伏输出功率预测方法，其特征在于：

9.根据权利要求8所述的基于堆叠集成模型的光伏输出功率预测方法，其特征在于：

10.根据权利要求9所述的基于堆叠集成模型的光伏输出功率预测方法，其特征在于：

技术总结本发明提供一种基于堆叠集成模型的光伏输出功率预测方法，步骤如下：S1.获取数据并处理数据，所述数据包括天气数据和光伏数据；S2.采用确定性模型计算得到确定输出功率；S3.采用随机性模型计算得到随机输出功率；S4.将确定输出功率和随机输出功率输入至堆叠集成模型中，得到预测输出功率；将多个确定性模型和多个随机性模型的预测结果输入堆叠集成预测模型中来预测光伏的输出功率，并综合考虑多个影响因素，降低了天气数据对预测结果的影响，提高了预测的可靠性和准确度。技术研发人员：丁昊,江思伟,杨凡伊,司修利,董嵘受保护的技术使用者：沃太能源股份有限公司技术研发日：技术公布日：2024/7/23