基于組合權(quán)重的光伏功率預(yù)測方法

基于組合權(quán)重的光伏功率預(yù)測方法

0統(tǒng)計(jì)預(yù)測方法基于相關(guān)基因點(diǎn)圖像誤差變量組合權(quán)重法的光伏功率預(yù)測全球能源和能源正在形成。但光伏發(fā)電存在波動(dòng)性、間歇性等缺點(diǎn),光伏發(fā)電大規(guī)模并網(wǎng)對電力系統(tǒng)經(jīng)濟(jì)、安全、穩(wěn)定運(yùn)行造成影響。對光伏發(fā)電輸出功率進(jìn)行準(zhǔn)確預(yù)測可為電網(wǎng)功率調(diào)度提供有益的參考。目前光伏功率預(yù)測從方法上可分為物理方法和統(tǒng)計(jì)方法2類。物理方法將氣象預(yù)測數(shù)據(jù)作為輸入,采用物理方程進(jìn)行預(yù)測;統(tǒng)計(jì)方法對歷史數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析,找出其內(nèi)在規(guī)律并用于預(yù)測。隨著我國光伏電站累計(jì)歷史數(shù)據(jù)的增加,統(tǒng)計(jì)預(yù)測方法發(fā)展迅速。應(yīng)用統(tǒng)計(jì)預(yù)測方法建模時(shí)歷史數(shù)據(jù)的選取對模型精度有較大影響,文獻(xiàn)將光伏系統(tǒng)的出力劃分為晴、陰、多云和雨4種類型,提取天氣類型相似的歷史數(shù)據(jù)序列作為訓(xùn)練數(shù)據(jù)集,建立光伏系統(tǒng)出力的支持向量機(jī)回歸模型。文獻(xiàn)按照季節(jié)對歷史數(shù)據(jù)進(jìn)行分類,建立了4個(gè)反饋型神經(jīng)網(wǎng)絡(luò)光伏系統(tǒng)發(fā)電功率預(yù)測子模型。文獻(xiàn)采用云量預(yù)報(bào)信息,對天氣類型進(jìn)行自組織特征映射網(wǎng)聚類識(shí)別,建立每種天氣類型反傳播神經(jīng)網(wǎng)絡(luò)的無輻照度發(fā)電量短期預(yù)報(bào)模型。文獻(xiàn)利用灰色關(guān)聯(lián)系數(shù)法,先建立每日氣象特征向量,再計(jì)算各個(gè)氣象特征向量分量的關(guān)聯(lián)系數(shù),綜合得到2天間的總關(guān)聯(lián)度,建立基于相似日和徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)的光伏陣列輸出功率預(yù)測模型。上述文獻(xiàn)研究結(jié)果表明選擇相關(guān)度高的歷史數(shù)據(jù)訓(xùn)練模型能夠提高模型精度。本文提出基于各基值點(diǎn)時(shí)刻誤差變量組合權(quán)重法的相似日提取的光伏功率預(yù)測方法。該方法充分考慮各預(yù)測時(shí)刻氣象條件相似度,根據(jù)各個(gè)基值時(shí)刻的誤差變量組合權(quán)重加權(quán)和,選出相似日。由于相似日的輸出功率曲線具有很高的關(guān)聯(lián)度,因此可以將相似日的輸出功率按不同的相似權(quán)重組合獲得光伏預(yù)測功率。選取相似日的組合權(quán)重系數(shù)根據(jù)最小鑒別信息原理,將主觀權(quán)重和客觀熵權(quán)有效融合獲得;功率權(quán)重系數(shù)按相似性指標(biāo)生成。某光伏電站實(shí)測數(shù)據(jù)仿真分析表明,本文提出的方法可有效選取相似日,實(shí)現(xiàn)較高精度的功率預(yù)測,具有可行性和工程實(shí)用性。1采用綜合重量法選擇相似日的照明功率預(yù)測的基本思想1.1光伏功率輸出t0光伏發(fā)電輸出功率受多種因素的影響,式(1)給出一個(gè)固定安裝角度太陽能電池板組成的光伏發(fā)電系統(tǒng)的輸出功率的粗略估算方法:其中,η為光伏陣列的光電轉(zhuǎn)換效率(%);S為光伏陣列的總面積(m2);I為光伏陣列接收到的太陽輻照度(kW/m2);t0為太陽能電池板的工作溫度(℃)。考慮本文的光伏電站每天06:00—18:00可能具有光伏功率輸出,因此將每天06:00—18:00各整點(diǎn)定義為基值點(diǎn)。對于既定的光伏發(fā)電系統(tǒng)在短期內(nèi)(如15d時(shí)間間隔內(nèi))每天在基值點(diǎn)各時(shí)刻的出力,其系統(tǒng)轉(zhuǎn)換效率、光伏陣列的總面積等影響因素都較為接近,可近似為常數(shù)。因此功率主要受到太陽輻照度、溫度2個(gè)因素影響?？紤]到太陽輻照度的變化對輸出功率的影響很大,是影響光伏發(fā)電量的重要因素,本文以太陽輻照度作為相似變量進(jìn)行相似日的選取,這種相似變量選取方法簡單,但由于沒有使用太陽能電池板溫度變量,會(huì)帶來一定預(yù)測誤差。1.2歷史相似日的確定基于組合權(quán)重相似日選取光伏功率預(yù)測的基本思想如下。a.以每天06:00—18:00各整點(diǎn)作為基值點(diǎn),提取待預(yù)測日氣象預(yù)報(bào)各基值點(diǎn)的輻照度,組成待預(yù)測日輻照度向量:提取與待預(yù)測日鄰近的15d歷史數(shù)據(jù)各基值點(diǎn)的輻照度,組成歷史天的輻照度向量:b.求xj和x0差值的絕對值,得到待預(yù)測日與鄰近15d歷史數(shù)據(jù)的輻照度誤差絕對值向量:其中,j=1,2,…,15。c.確定各個(gè)基值點(diǎn)的權(quán)重參數(shù),與各歷史天輻照度差值絕對值相應(yīng)點(diǎn)相乘,求取加權(quán)和得到相似誤差。根據(jù)相似誤差由小到大對歷史天排序,選出相似誤差最小的3d作為待預(yù)測日的相似日。d.由于相似日輸出功率具有很高的關(guān)聯(lián)度,因此將相似日輸出功率按照相似程度確定功率加權(quán)系數(shù),然后加權(quán)組合獲得光伏輸出功率的預(yù)測值。2權(quán)重系數(shù)的確定2.1結(jié)合主客觀賦權(quán)法的組合權(quán)重確定方法各基值點(diǎn)的權(quán)重參數(shù)的恰當(dāng)選取是本文方法的關(guān)鍵,將直接影響相似日的選取和功率預(yù)測精度。目前,確定權(quán)重的方法大致分為2類:一是主觀賦權(quán)法,由決策者根據(jù)經(jīng)驗(yàn)主觀定權(quán),其受主觀因素影響大;二是客觀賦權(quán)法,通過對統(tǒng)計(jì)數(shù)據(jù)所包含的客觀信息提取分析,確定權(quán)重,該方法完全依賴于客觀數(shù)據(jù),忽視了專家經(jīng)驗(yàn),而且客觀數(shù)據(jù)中包含著噪聲信息,因此計(jì)算結(jié)果有可能不滿足要求。權(quán)重的恰當(dāng)確定應(yīng)該是評價(jià)指標(biāo)客觀信息與評價(jià)者主觀判斷兩者綜合的反映。本文提出結(jié)合主客觀賦權(quán)法的組合權(quán)重確定方法,將專家判斷和客觀分析相結(jié)合得到較為理想的權(quán)重值。首先采用專家經(jīng)驗(yàn)得到各基值點(diǎn)的主觀權(quán)重,采用熵權(quán)法得到各基值點(diǎn)客觀權(quán)重,然后再根據(jù)最小鑒別信息原理將所得客觀熵權(quán)與基于專家經(jīng)驗(yàn)的主觀權(quán)重相結(jié)合得到組合權(quán)重。2.1.1光伏功率特性的特性根據(jù)日常經(jīng)驗(yàn),每天06:00—18:00的輻照度并不是線性均勻變化的。對歷史輻照度和光伏輸出功率數(shù)據(jù)分析可得,一天中不同時(shí)間段輻照度變化量的大小和光伏功率輸出值是不同的,并呈現(xiàn)出一定的規(guī)律性:06:00—09:00輻照度變化量較小,對應(yīng)輸出的光伏功率較小;10:00—15:00輻照度變化量明顯增加,輸出的光伏功率也較大;16:00—18:00輻照度和光伏輸出功率再次減小。因此根據(jù)專家經(jīng)驗(yàn),將06:00—09:00和16:00—18:00的各基值點(diǎn)主觀權(quán)重賦較小值,將10:00—15:00基值點(diǎn)主觀權(quán)重賦較大值。本文組合權(quán)重系數(shù)確定過程中所使用的06:00—18:00基值點(diǎn)主觀權(quán)重定義為:2.1.2計(jì)算客觀權(quán)值熵權(quán)法在建立關(guān)于評價(jià)對象和評價(jià)指標(biāo)的評價(jià)矩陣的基礎(chǔ)上,確定各個(gè)評價(jià)指標(biāo)在綜合處理過程中的權(quán)重。信息熵可用來度量數(shù)據(jù)中包含的有用信息量,從而確定該信息所占權(quán)重。如果指標(biāo)信息熵越小,則該指標(biāo)提供的信息量越大,在綜合評價(jià)中所起作用理當(dāng)越大,權(quán)重就應(yīng)該越高。熵權(quán)法正是利用此原理得到每個(gè)評價(jià)指標(biāo)的客觀權(quán)值,是常用的客觀賦權(quán)法之一。其步驟可簡單概括如下。a.在一個(gè)具有m個(gè)評價(jià)對象、n個(gè)評價(jià)指標(biāo)的評估體系中,建立評價(jià)對象關(guān)于評估指標(biāo)的評價(jià)矩陣b.將A經(jīng)過標(biāo)準(zhǔn)化后得標(biāo)準(zhǔn)化矩陣R=[rij]m×n,并計(jì)算第j個(gè)評價(jià)指標(biāo)下第i個(gè)評價(jià)對象的比重:c.第j個(gè)指標(biāo)的熵被定義為:假定當(dāng)Pij=0時(shí),PijlnPij=0。根據(jù)本文的相似數(shù)據(jù)選取原理,首先以06:00—18:00各點(diǎn)的輻照度差值絕對值作為13個(gè)評價(jià)指標(biāo),鄰近的15個(gè)歷史天作為評價(jià)對象,建立由各歷史天的輻照度差值絕對值向量δi(i=1,2,…,15)組成熵權(quán)法評價(jià)矩陣A=[δ1,δ2,…,δ15]T。根據(jù)上述熵權(quán)法的基本原理,將A標(biāo)準(zhǔn)化并計(jì)算第j個(gè)評價(jià)指標(biāo)下第i個(gè)評價(jià)對象的比重Pij(i=1,2,…,15;j=1,2,…,13)。然后計(jì)算每個(gè)評價(jià)指標(biāo)的熵值Hj(j=1,2,…,13),從而得到每個(gè)評價(jià)指標(biāo)的權(quán)重ωj,最后將13個(gè)評價(jià)指標(biāo)的權(quán)值組合構(gòu)成各基值點(diǎn)客觀權(quán)重向量w2。2.1.3組合權(quán)重相似日選取方法由于主觀權(quán)重受主觀因素干擾較大,而客觀權(quán)重過分依賴于客觀數(shù)據(jù),易受噪聲影響,且忽視了專家在確定權(quán)重中應(yīng)有的重要性,因此主觀權(quán)重和客觀權(quán)重選相似日方法都有其局限性。對此本文提出綜合考慮主客觀因素的組合權(quán)重相似日選取方法。采用最小鑒別信息原理將已經(jīng)得到的主觀和客觀權(quán)重進(jìn)行組合,得到組合權(quán)重。設(shè)主觀權(quán)重向量為w1,客觀權(quán)重向量為w2,組合權(quán)重為w。依據(jù)最小鑒別信息原理,應(yīng)使組合權(quán)重w(i)與w1(i)、w2(i)盡可能地接近,為此建立如下目標(biāo)函數(shù):采用拉格朗日乘子法求最小值,可得:2.2相似日誤差比較當(dāng)相似日的組合權(quán)重確定后,就可以根據(jù)1.2節(jié)中的步驟c求出各相似日的相似誤差exs1、exs2、exs3。這3個(gè)數(shù)值代表了與預(yù)測日氣象條件的相似程度,數(shù)值越小,相似度越高,其功率加權(quán)值應(yīng)該越大。按照上述思想,本文的功率預(yù)測權(quán)值系數(shù)為:3光伏功率預(yù)測方法以一總?cè)萘繛?0000kW的光伏電站為例,分別采用基于主觀權(quán)重、熵權(quán)法客觀權(quán)重和組合權(quán)重相似日選取法,對光伏輸出功率進(jìn)行24h預(yù)測。預(yù)測時(shí)間間隔為15min,有96個(gè)預(yù)測點(diǎn)。評價(jià)指標(biāo)采用均方根誤差RMSE(RootMeanSquareError),按如下定義:其中,ei=Pf(i)-Pr(i)(i=1,2,…,96),Pf為預(yù)測功率,Pr為實(shí)際功率;Ps為總裝機(jī)容量。3.1預(yù)測精度分析分別采用基于主觀權(quán)重、熵權(quán)法客觀權(quán)重和組合權(quán)重相似日選取法,對2012年11月19日的光伏輸出功率進(jìn)行預(yù)測。主觀權(quán)重采用2.1.1節(jié)中所選w1。按2.1.2節(jié)步驟通過仿真得到客觀熵權(quán)為:依據(jù)最小鑒別信息原理,求得主客觀組合權(quán)重為:上述3種方法所確定的相似日及11月19日的輻照度曲線如圖1所示。圖1中共展示了6個(gè)相似日,每種方法所確定的相似日有所不同,具體見表1。圖2給出了基于相似日的11月19日3種預(yù)測方法光伏輸出功率預(yù)測值和實(shí)際值。其中主觀權(quán)重相似日11月9日、11月6日和11月14日的輸出功率權(quán)值系數(shù)分別為0.3763、0.3365、0.2871,預(yù)測的功率均方根誤差為10.85%;熵權(quán)法客觀權(quán)重相似日11月18日、11月14日和11月16日的輸出功率權(quán)值系數(shù)分別為0.3511、0.3299、0.3189,預(yù)測的功率均方根誤差為9.97%;組合權(quán)重相似日11月6日、11月14日和11月18日的輸出功率權(quán)值系數(shù)分別為0.3489、0.3263、0.3248,預(yù)測的功率均方根誤差為7.89%。為了驗(yàn)證組合權(quán)重法是否依賴主觀權(quán)值的專家經(jīng)驗(yàn),將基值點(diǎn)主觀權(quán)重全部選取為等值0.076,其預(yù)報(bào)的功率均方根誤差變?yōu)?0.9%;熵權(quán)法客觀權(quán)重法不變;組合權(quán)重法預(yù)報(bào)的功率均方根誤差為7.90%,可以看出主觀權(quán)值變化時(shí),組合權(quán)重法有較好的適應(yīng)性,預(yù)測精度較高?？梢?由于組合權(quán)重法融合了主觀權(quán)重和客觀熵權(quán)的信息,更加有效地識(shí)別歷史天與待預(yù)測日的相似程度,對相似日進(jìn)行了重新排序和取舍,提高了預(yù)測精度。組合權(quán)重法選出的第一相似日11月6日對應(yīng)主觀權(quán)重法第二相似日;第二相似日11月14日對應(yīng)客觀熵權(quán)法第二相似日(同時(shí)也是主觀權(quán)重法第三相似日);第三相似日11月18日對應(yīng)客觀熵權(quán)法第一相似日。3.2預(yù)測精度分析上述仿真例中11月19日為多云天氣,其輻照度較小,波動(dòng)也頻繁。為了進(jìn)一步驗(yàn)證該方法的普適性,選取晴天2012年11月4日繼續(xù)進(jìn)行仿真驗(yàn)證。主觀權(quán)重采用2.1.1節(jié)中所選w1。按2.1.2節(jié)步驟通過仿真得到客觀熵權(quán)為:依據(jù)最小鑒別信息原理,求得主客觀組合權(quán)重為:上述3種方法所確定的相似日及11月4日的輻照度曲線如圖3所示。每種方法所確定的相似日有所不同,見表2。圖4給出了基于主觀權(quán)重相似日、客觀熵權(quán)相似日、組合權(quán)重相似日的11月4日光伏功率預(yù)測值和實(shí)際值。其中主觀權(quán)重相似日的輸出功率權(quán)值系數(shù)為0.3792、0.3661、0.2546,預(yù)測的功率均方根誤差為2.77%;熵權(quán)法客觀權(quán)重相似日的輸出功率權(quán)值系數(shù)為0.3706、0.3512、0.2782,預(yù)測的功率均方根誤差為1.64%;組合權(quán)重相似日的輸出功率權(quán)值系數(shù)為0.3696、0.3666、0.2637,預(yù)測的功率均方根誤差為1.61%。由于晴天數(shù)據(jù)的相似度高,因此3種方法的預(yù)測誤差都較小,但組合權(quán)重法預(yù)測精度最好。通過上述2個(gè)仿真實(shí)例分析可以看出,組合權(quán)重法由于綜合了主觀賦權(quán)和客觀賦權(quán)的優(yōu)點(diǎn),充分融合了專家經(jīng)驗(yàn)和客觀數(shù)據(jù)提供的信息,確定的權(quán)重更合理,能夠在不同情況下更好地找到相似日,提高功率預(yù)測精度。由于本文的方法依賴于歷史天與預(yù)測日的相似程度,具有其局限性,如果預(yù)測日是突變天氣,與前面歷史天的相似度低,則會(huì)產(chǎn)生較大的預(yù)測誤差。4算例驗(yàn)證及結(jié)果本文提出了選取相似變量基值點(diǎn),采用主客觀權(quán)重組合賦權(quán)法確定基值點(diǎn)的組合權(quán)重,從而選