基于k均值聚類改進廣義天氣的光伏發(fā)電預(yù)測方法
【專利摘要】一種基于K均值聚類改進廣義天氣的光伏發(fā)電預(yù)測方法，所述方法將光伏電站逐日歷史出力數(shù)據(jù)聚類為K個簇，并為簇內(nèi)數(shù)據(jù)附上數(shù)字標(biāo)簽；統(tǒng)計逐日歷史出力數(shù)據(jù)所對應(yīng)的數(shù)字標(biāo)簽和氣象專業(yè)天氣，構(gòu)成一個氣象專業(yè)天氣對應(yīng)一個或多個數(shù)字標(biāo)簽的改進廣義天氣映射；對于每相鄰兩日的歷史出力數(shù)據(jù)，以第一日歷史出力數(shù)據(jù)和其對應(yīng)的數(shù)字標(biāo)簽、第二日歷史出力數(shù)據(jù)對應(yīng)的數(shù)字標(biāo)簽作為輸入，以第二日歷史出力數(shù)據(jù)作為輸出，建立光伏發(fā)電的BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型并利用所述模型預(yù)測發(fā)電量。本發(fā)明克服了現(xiàn)有廣義天氣映射中，關(guān)于氣象專業(yè)天氣劃分過于絕對化的缺點，不僅可以在晴朗天氣下精確預(yù)測光伏發(fā)電量，在多云轉(zhuǎn)陰、陰雨等多變天氣下也具有良好的預(yù)測精度。
【專利說明】
基于K均值聚類改進廣義天氣的光伏發(fā)電預(yù)測方法
技術(shù)領(lǐng)域
[0001] 本發(fā)明設(shè)及一種能夠?qū)夥娬镜陌l(fā)電量進行準(zhǔn)確預(yù)測的方法，屬于光伏發(fā)電技 術(shù)領(lǐng)域。
【背景技術(shù)】
[0002] 光伏電源是一種間歇性能源，具有受季節(jié)特性、日特性、天氣特性和波動特性等諸 因素影響的特點。在眾多復(fù)雜因素的影響下，光伏預(yù)測模型的建立過程略顯復(fù)雜，但多數(shù)情 況下，仍采用間接預(yù)測法，即根據(jù)光伏歷史出力數(shù)據(jù)建立數(shù)學(xué)模型。此種方法認為數(shù)據(jù)本身 就涵蓋有地域、氣候等信息，對數(shù)據(jù)進行統(tǒng)計和分類處理后，通過一些具有自學(xué)習(xí)等能力的 算法來建立光伏發(fā)電模型。
[0003] 光伏發(fā)電模型的建立，從輸入端看，需要兩個方面的內(nèi)容:一是光伏電站的逐日出 力數(shù)據(jù)，二是每日數(shù)據(jù)所對應(yīng)的氣象專業(yè)天氣數(shù)據(jù)。逐日出力數(shù)據(jù)一般W每天光照時段整 點時刻發(fā)出功率為取樣點，如夏季日是早上六點至晚上六點，共十=個時刻，即夏季日每一 組歷史出力數(shù)據(jù)都包含有十=個整點時刻的發(fā)電功率。氣象專業(yè)天氣由當(dāng)?shù)貧庀蟛靠诎l(fā) 布，表明光伏電站運行日的天氣狀況概念。根據(jù)GB/T 22164-2008國家標(biāo)準(zhǔn)，中國氣象局將 所有氣象天氣標(biāo)劃分為33種專業(yè)天氣類型。不同氣象專業(yè)天氣下，光伏出力的曲線各有不 同。為了能將氣象專業(yè)天氣轉(zhuǎn)變?yōu)橛嬎銠C能夠識別的參數(shù)，廣義天氣的概念應(yīng)運而生。即通 過某種事先定義好的評價指標(biāo)(如太陽光福照度、相對濕度、云量等），將33種氣象專業(yè)天氣 再人為地分為幾個集合，每一集合都包含多種氣象專業(yè)天氣，并且對應(yīng)地為所述集合分配 一個數(shù)字或字母標(biāo)簽。同時，由于在光伏電站運行過程中，每天都可W從當(dāng)?shù)貧庀蟛靠讷@取 當(dāng)天的氣象專業(yè)天氣狀況，結(jié)合已經(jīng)劃分好的廣義天氣集合，便使得逐日歷史出力數(shù)據(jù)也 都帶上廣義天氣的標(biāo)簽。
[0004] 將相鄰兩組逐日歷史出力數(shù)據(jù)及其對應(yīng)的廣義天氣標(biāo)簽輸入至算法中，經(jīng)過大量 訓(xùn)練，可W得到W第一日光伏出力數(shù)據(jù)、第一日廣義天氣標(biāo)簽、第二日廣義天氣標(biāo)簽為自變 量，W第二日光伏出力數(shù)據(jù)為因變量的數(shù)據(jù)之間的擬合關(guān)系。最后，再由已經(jīng)訓(xùn)練好的預(yù)測 模型，根據(jù)預(yù)測日前一日各時刻的光伏出力數(shù)據(jù)、預(yù)測日前一日的廣義天氣狀態(tài)標(biāo)簽，結(jié)合 氣象部口發(fā)布的預(yù)測日氣象專業(yè)天氣，就可W得到預(yù)測日各時刻的光伏出力數(shù)據(jù)。
[0005] 目前，利用廣義天氣預(yù)測光伏電站的發(fā)電量時，存在廣義天氣的劃分過于絕對化 的問題，即在構(gòu)建廣義天氣映射集時，某一種用于劃分廣義天氣的評價指標(biāo)一旦確定，便會 將氣象專業(yè)天氣定性地歸類于某一集合的廣義天氣類型中，從而使所述氣象專業(yè)天氣帶有 所述集合所對應(yīng)的廣義天氣標(biāo)簽。由于光伏出力易受當(dāng)日風(fēng)力、云量等因素的影響，即便是 在相同的氣象專業(yè)天氣下（比如晴轉(zhuǎn)多云天氣），也往往會出現(xiàn)各自發(fā)電功率曲線相差較大 的情況，如果此時再給歷史出力數(shù)據(jù)帶上廣義天氣狀態(tài)標(biāo)簽，單獨地用某一種廣義天氣狀 態(tài)來描述，將會使預(yù)測誤差增大，特別是在晴轉(zhuǎn)多云、陰雨等多變天氣下，光伏發(fā)電量的預(yù) 測精度更低。
【發(fā)明內(nèi)容】
[0006] 本發(fā)明的目的在于針對現(xiàn)有技術(shù)之弊端，提供一種基于K均值聚類改進廣義天氣 的光伏發(fā)電預(yù)測方法，W提高光伏發(fā)電量的預(yù)測精度。
[0007] 本發(fā)明所述問題是W下述技術(shù)方案解決的：
[000引一種基于K均值聚類改進廣義天氣的光伏發(fā)電預(yù)測方法，所述方法將光伏電站逐 日歷史出力數(shù)據(jù)聚類為K個簇，并為數(shù)據(jù)附上數(shù)字標(biāo)簽;統(tǒng)計逐日歷史出力數(shù)據(jù)所對應(yīng)的數(shù) 字標(biāo)簽和氣象專業(yè)天氣，構(gòu)成一個氣象專業(yè)天氣對應(yīng)一個或多個數(shù)字標(biāo)簽的改進廣義天氣 映射;對于每相鄰兩日的歷史出力數(shù)據(jù)，W第一日歷史出力數(shù)據(jù)和其對應(yīng)的數(shù)字標(biāo)簽、第二 日歷史出力數(shù)據(jù)對應(yīng)的數(shù)字標(biāo)簽作為輸入，W第二日歷史出力數(shù)據(jù)作為輸出，建立光伏發(fā) 電的BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型并利用所述模型預(yù)測發(fā)電量。預(yù)測結(jié)果可能是一組或多組。如果 是一組預(yù)測結(jié)果，則所述預(yù)測結(jié)果為最終預(yù)測結(jié)果;如果是多組預(yù)測結(jié)果，計算每組預(yù)測結(jié) 果與其數(shù)字編號所對應(yīng)的聚類中屯、的歐式距離，歐式距離最小值者為最終預(yù)測結(jié)果。
[0009] 上述基于K均值聚類改進廣義天氣的光伏發(fā)電預(yù)測方法，具體預(yù)測按W下步驟進 行：
[0010] ①聚類逐日歷史出力數(shù)據(jù)
[0011] a.根據(jù)需要確定分類狀態(tài)數(shù)K;
[0012] b.從光伏電站的逐日歷史出力數(shù)據(jù)中任意選取K個對象作為聚類中屯、，按距離最 短原則將其它數(shù)據(jù)分別分配給最相近的聚類中屯、，形成K個簇；
[OOK] C.將K個簇的均值作為K個新的聚類中屯、，計算所有對象與K個新聚類中屯、的距離， 用與各個新聚類中屯、距離最小的對象對聚類中屯、進行更新，并按距離最短原則將其它數(shù)據(jù) 重新分配給更新后的聚類中屯、，得到更新后的K個簇；
[0014] d.重復(fù)步驟C，直至化個聚類中屯、不發(fā)生變化為止；
[0015] ②為逐日歷史出力數(shù)據(jù)附上相應(yīng)的數(shù)字標(biāo)簽
[0016] 同一簇內(nèi)的逐日歷史出力數(shù)據(jù)具有相同的數(shù)字標(biāo)簽，不同簇內(nèi)的逐日歷史出力數(shù) 據(jù)具有不同的數(shù)字標(biāo)簽；
[0017] ③建立改進廣義天氣映射
[0018] 統(tǒng)計逐日歷史出力數(shù)據(jù)所對應(yīng)的數(shù)字標(biāo)簽和氣象專業(yè)天氣，構(gòu)成一個氣象專業(yè)天 氣對應(yīng)一個或多個數(shù)字標(biāo)簽的改進廣義天氣映射；
[0019 ] ④訓(xùn)練和驗證BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型
[0020] 從所有逐日歷史出力數(shù)據(jù)中，選擇一部分逐日歷史出力數(shù)據(jù)作為訓(xùn)練樣本，在每 相鄰兩日的逐日歷史出力數(shù)據(jù)中，W第一日歷史出力數(shù)據(jù)、第一日歷史出力數(shù)據(jù)對應(yīng)的數(shù) 字標(biāo)簽、第二日歷史出力數(shù)據(jù)對應(yīng)的數(shù)字標(biāo)簽作為輸入，W第二日歷史出力數(shù)據(jù)作為輸出， 通過BP神經(jīng)網(wǎng)絡(luò)擬合輸入輸出間的非線性映射關(guān)系，建立光伏發(fā)電的BP神經(jīng)網(wǎng)絡(luò)預(yù)測模 型；用余下的逐日歷史出力數(shù)據(jù)檢驗?zāi)Ｐ偷念A(yù)測精度；
[0021] ⑤利用光伏發(fā)電的BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型預(yù)測光伏發(fā)電量
[0022] 從氣象部口獲取預(yù)測日的氣象專業(yè)天氣，根據(jù)改進廣義天氣映射，找到與此氣象 專業(yè)天氣相對應(yīng)的一個或多個數(shù)字標(biāo)簽，將預(yù)測日前一日歷史出力數(shù)據(jù)、預(yù)測日前一日對 應(yīng)的數(shù)字標(biāo)簽、預(yù)測日的一個或多個數(shù)字標(biāo)簽輸入到光伏發(fā)電的BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型，得 到一組或分別與多個數(shù)字標(biāo)簽相對應(yīng)的多組預(yù)測結(jié)果，如果是一組預(yù)測結(jié)果，則所述預(yù)測 結(jié)果為最終預(yù)測結(jié)果;如果是多組預(yù)測結(jié)果，根據(jù)歐式距離公式：
[0023]
(1)
[0024] 計算每組預(yù)測結(jié)果與其數(shù)字編號所對應(yīng)的聚類中屯、的歐式距離，歐式距離最小值 者為最終預(yù)測結(jié)果。
[0025] 式中：d為歐式距離值，i = 1，2，3，…，13，表示早上6點開始到下午18點的13個整點 時刻，Xi為每日整點時刻出力值，yi為Xi所屬簇的聚類中屯、的各整點時刻值，n表示當(dāng)日總的 出力時刻個數(shù)，本文示例中n取13。
[00%]上述基于K均值聚類改進廣義天氣的光伏發(fā)電預(yù)測方法，所述分類狀態(tài)數(shù)K為4。 [0027]本發(fā)明通過對現(xiàn)有廣義天氣映射關(guān)系的改進，克服了現(xiàn)有廣義天氣映射的映射結(jié) 果過于絕對化的缺點，從而提高了光伏發(fā)電量的預(yù)測精度。所述方法不僅可在晴朗天氣下 精確預(yù)測光伏發(fā)電量，在多云轉(zhuǎn)陰、陰雨等多變天氣下也具有良好的預(yù)測精度。
【附圖說明】
[002引圖1是本發(fā)明的光伏發(fā)電預(yù)測方法流程圖；
[0029] 圖2是某光伏電站同屬于"多云轉(zhuǎn)陰"氣象專業(yè)天氣下的光伏出力曲線情況，用W 說明現(xiàn)有廣義天氣概念對天氣劃分過于絕對的缺點；
[0030] 圖3為28日雷陣雨氣象專業(yè)天氣下預(yù)測結(jié)果；
[0031] 圖4為26日多云轉(zhuǎn)陰氣象專業(yè)天氣下預(yù)測結(jié)果；
[0032] 圖5為23日小雨氣象專業(yè)天氣下預(yù)測結(jié)果。
【具體實施方式】
[0033] 下面結(jié)合附圖對本發(fā)明作進一步說明。
[0034] 針對現(xiàn)有廣義天氣在使用過程中過于絕對化的缺點，本方法在廣義天氣映射構(gòu)建 方面，通過K均值聚類算法將逐日歷史出力數(shù)據(jù)聚為四個簇，每個簇均對應(yīng)一個聚類中屯、。 先使每個簇內(nèi)帶上數(shù)字標(biāo)簽，則簇內(nèi)歷史出力數(shù)據(jù)也帶上數(shù)字標(biāo)簽。統(tǒng)計簇內(nèi)歷史出力數(shù) 據(jù)所對應(yīng)的氣象專業(yè)天氣，根據(jù)此對應(yīng)關(guān)系，得到改進廣義天氣映射。在改進廣義天氣映射 中，同一氣象專業(yè)天氣對應(yīng)一個或多個廣義天氣標(biāo)簽，從而適應(yīng)于同一預(yù)測日氣象專業(yè)天 氣下，可能存在的多變性特點。
[0035] 本發(fā)明包括W下步驟：
[0036] ①聚類逐日歷史出力數(shù)據(jù)
[0037] 聚類流程為：
[0038] a.輸入所需要的分類狀態(tài)數(shù)K，本發(fā)明取K為4。
[0039] b.從逐日歷史出力數(shù)據(jù)中選取任意4個對象作為聚類中屯、，其它數(shù)據(jù)分別被分配 給最相近的聚類中屯、，形成K個簇。
[0040] C.取K個簇的均值作為4個新的聚類中屯、，計算所有對象和K個新的聚類中屯、的距 離。取產(chǎn)生最小距離的對象作為下一個新的聚類中屯、，并按步驟b中的分配方法將其它數(shù)據(jù) 重新分配給更新后的聚類中屯、，得到更新后的K個簇。
[0041 ] d.重復(fù)步驟C，一直到4個聚類中屯、不發(fā)生變化為止。
[0042] 通過K均值聚類算法，將逐日歷史出力數(shù)據(jù)中具有相似出力特性的數(shù)據(jù)聚類到同 一個簇內(nèi)，實現(xiàn)了 W數(shù)據(jù)內(nèi)在聯(lián)系為基礎(chǔ)的數(shù)據(jù)合理劃分。4個簇內(nèi)生成的4個聚類中屯、，作 為每個簇內(nèi)的基準(zhǔn)數(shù)據(jù)，為最后多組預(yù)測結(jié)果的篩選奠定基礎(chǔ)。
[0043] ②為4個簇內(nèi)的逐日歷史出力數(shù)據(jù)附上數(shù)字標(biāo)簽
[0044] 逐日歷史出力數(shù)據(jù)經(jīng)聚類后，分散于4個簇內(nèi)，為每個簇附上數(shù)字標(biāo)簽，4個簇內(nèi)的 逐日歷史出力數(shù)據(jù)便帶有統(tǒng)一的數(shù)字標(biāo)簽。
[0045] ③建立改進廣義天氣映射
[0046] 統(tǒng)計逐日歷史出力數(shù)據(jù)所對應(yīng)的數(shù)字標(biāo)簽和逐日歷史出力數(shù)據(jù)所對應(yīng)的氣象專 業(yè)天氣于表格中，構(gòu)成了一個氣象專業(yè)天氣對應(yīng)一個或多個數(shù)字標(biāo)簽的改進廣義天氣映 射。
[0047] 現(xiàn)有廣義天氣映射和改進廣義天氣映射對比：
[0048] 表1為現(xiàn)有廣義天氣映射關(guān)系，表2為改進廣義天氣映射關(guān)系。
[0049] 夫1廣公天氣類巧對脈夫
[(K)加 ]
[0化1 ]
[0化2]
[0053]對比二者發(fā)現(xiàn)，當(dāng)預(yù)測日的氣象專業(yè)天氣確定時，前者對應(yīng)的廣義天氣類型是固 定的，而改進廣義天氣的同一個專業(yè)氣象天氣可W對應(yīng)多個數(shù)字編號，其內(nèi)包含更多種預(yù) 測可能。下面W預(yù)測日天氣為氣象專業(yè)天氣中的"多云轉(zhuǎn)陰"天氣為例，分析一下改進的必 要性：
[0054] W現(xiàn)有廣義天氣概念處理"多云轉(zhuǎn)陰"氣象專業(yè)天氣時，一旦經(jīng)過評價指標(biāo)評價， "多云轉(zhuǎn)陰"氣象專業(yè)天氣將永遠對應(yīng)"B"狀態(tài)。但是從圖2所示的某光伏電站同屬于"多云 轉(zhuǎn)陰"氣象專業(yè)天氣下的光伏出力曲線可W看出，在同樣的氣象專業(yè)天氣下，=條光伏出力 曲線仍然相差較大，其中7月8日的曲線更接近于晴天，但是7月15日的曲線和陰雨天氣下的 曲線很相似。所W，如果單純W "B"狀態(tài)來描述，無疑會使預(yù)測結(jié)果誤差偏大。而且此現(xiàn)象也 可W解釋為什么在晴朗天氣下，現(xiàn)有預(yù)測方法精度都很高（因為沒有較多多變因素干擾）， 而在多變天氣下，預(yù)測精度就會大幅降低。
[0化日]④訓(xùn)練和驗證BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型
[0056] 在所有數(shù)據(jù)中，選擇一部分逐日歷史出力數(shù)據(jù)作為訓(xùn)練樣本。在每相鄰兩日的逐 日歷史出力數(shù)據(jù)中，W第一日歷史數(shù)據(jù)、第一日歷史數(shù)據(jù)對應(yīng)的數(shù)字標(biāo)簽、第二日數(shù)據(jù)對應(yīng) 的數(shù)字標(biāo)簽作為輸入，W第二日歷史數(shù)據(jù)作為輸出，通過BP神經(jīng)網(wǎng)絡(luò)擬合輸入輸出間的非 線性映射關(guān)系，建立光伏發(fā)電的BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型。用余下的逐日歷史出力數(shù)據(jù)檢驗?zāi)?型的預(yù)測精度。
[0057] ⑤利用光伏發(fā)電的BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型預(yù)測光伏發(fā)電量
[0058] 根據(jù)從氣象部口獲取的預(yù)測日氣象專業(yè)天氣，結(jié)合改進廣義天氣映射，找到此氣 象專業(yè)天氣對應(yīng)的一個或多個數(shù)字標(biāo)簽。將預(yù)測日前一日歷史數(shù)據(jù)、預(yù)測日前一日對應(yīng)的 數(shù)字標(biāo)簽、預(yù)測日的一個或多個數(shù)字標(biāo)簽作為BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型輸入，得到一組或多組 預(yù)測結(jié)果。如果是一組預(yù)測結(jié)果的情況，則為最終預(yù)測結(jié)果；如果是多組預(yù)測結(jié)果的情況， 則通過歐式距離公式，計算每組預(yù)測結(jié)果和其數(shù)字編號所對應(yīng)的聚類中屯、的歐式距離，所 得到歐式距離最小值者，為最終預(yù)測結(jié)果。
[0059] 圖1為本發(fā)明所述基于K均值聚類改進廣義天氣的光伏發(fā)電預(yù)測方法流程圖，下面 結(jié)合圖1對本發(fā)明實施的技術(shù)方案進行詳細、準(zhǔn)確地描述。
[0060] W某光伏電站2015年屯月份前=十日發(fā)電數(shù)據(jù)為例，基于K均值聚類改進廣義天 氣的光伏發(fā)電預(yù)測方法流程如下：
[0061 ]表3某光伏電站屯月份前=十日各時刻發(fā)電數(shù)據(jù)
[0062]
[0063] 步驟I:根據(jù)圖I流程圖中K均值聚類過程W及上述聚類逐日歷史出力數(shù)據(jù)的步驟， 在MATLAB中實現(xiàn)對30組歷史數(shù)據(jù)的K均值聚類。其中，K值定義為4,即30組數(shù)據(jù)經(jīng)過聚類劃 分后，將分布于4個簇中。聚類結(jié)果W及各簇的聚類中屯、如表4、表5所示：
[0064] 表4 30組數(shù)據(jù)經(jīng)K均值聚類后的結(jié)果
[00 化]
[0066]表5各簇的聚類中屯、
[0067]
[0068] 其中，可認為簇T'具備廣義上的"晴天"特性，簇"2"具備廣義上的"多云"特性、簇 "3"具備廣義上的"陣雨"特性、簇"4"具備廣義上的"大雨"特性。
[0069] 步驟2:同一個簇內(nèi)的數(shù)據(jù)帶有相同的數(shù)字標(biāo)簽，不同簇帶有不同的數(shù)字標(biāo)簽，30 組數(shù)據(jù)經(jīng)過聚類后，均帶有數(shù)字標(biāo)簽。
[0070] 步驟3:按照步驟1和步驟2所述步驟，對2015年全年每日光伏發(fā)電數(shù)據(jù)進行聚類， 根據(jù)數(shù)字標(biāo)簽和專業(yè)氣象天氣的對應(yīng)情況，分類統(tǒng)計歸納后，得到如上述表2所示的改進后 的廣義天氣類型對應(yīng)表，實現(xiàn)對33種氣象專業(yè)天氣的重新歸類。
[0071] 步驟4:在每相鄰兩日的逐日歷史出力數(shù)據(jù)中，W第一日歷史數(shù)據(jù)、第一日歷史數(shù) 據(jù)對應(yīng)的數(shù)字標(biāo)簽、第二日歷史數(shù)據(jù)對應(yīng)的數(shù)字標(biāo)簽作為輸入，W第二日歷史數(shù)據(jù)作為輸 出，循環(huán)此過程，一直到預(yù)測日前一日為止。通過BP神經(jīng)網(wǎng)絡(luò)擬合輸入輸出間的非線性映射 關(guān)系，建立光伏發(fā)電的BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型。
[0072] 步驟5:由步驟4得到已經(jīng)訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型，W預(yù)測7月28日光伏出力值為 例，預(yù)測該日專業(yè)氣象天氣下的各時刻光伏出力值。氣象部口發(fā)布的當(dāng)天氣象專業(yè)天氣為 "雷陣雨"，根據(jù)表2中改進后的廣義天氣對應(yīng)表，其對應(yīng)"1、2、3、4"運四種數(shù)字標(biāo)簽。所W， 根據(jù)訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)模型，可W得到四組預(yù)測結(jié)果。為了從四組預(yù)測結(jié)果中篩選出最終 預(yù)測結(jié)果，可W通過歐式距離公式，計算四組預(yù)測結(jié)果及其對應(yīng)聚類中屯、的歐式距離，歐式 距離最小者為最終預(yù)測值。計算結(jié)果如表6所示。
[0073] 表6四組預(yù)測結(jié)果與其聚類中屯、的歐式距離
[0074]
[0075] 由表6可知，當(dāng)28日天氣定義為數(shù)字標(biāo)簽"r時，其預(yù)測值和其對應(yīng)的聚類中屯、最 為貼近，所W數(shù)字標(biāo)簽"r對應(yīng)的預(yù)測值即為最終預(yù)測值。
[0076] 用改進前后兩種廣義天氣法同時預(yù)測7月28日"雷陣雨"天氣，預(yù)測結(jié)果及精度如 表7所示。
[0077] 表7改進前后兩種預(yù)測方法結(jié)果及精度對比 [007引
[0079]從表7均方根誤差可W看出，改進后廣義天氣預(yù)測方法相比于未改進方法，在預(yù)測 精度上有大幅提高。圖3、圖4、圖5分別是在"雷陣雨"、"多云轉(zhuǎn)陰"和"小雨"氣象專業(yè)天氣下 的預(yù)測結(jié)果。從圖中也可W看出，本文改進后的廣義天氣光伏出力預(yù)測方法具有較高的預(yù) 測精度。
【主權(quán)項】
1. 一種基于K均值聚類改進廣義天氣的光伏發(fā)電預(yù)測方法，其特征是，所述方法將光伏 電站逐日歷史出力數(shù)據(jù)聚類為Κ個簇，并為簇內(nèi)數(shù)據(jù)附上數(shù)字標(biāo)簽;統(tǒng)計逐日歷史出力數(shù)據(jù) 所對應(yīng)的數(shù)字標(biāo)簽和氣象專業(yè)天氣，構(gòu)成一個氣象專業(yè)天氣對應(yīng)一個或多個數(shù)字標(biāo)簽的改 進廣義天氣映射;對于每相鄰兩日的歷史出力數(shù)據(jù)，以第一日歷史出力數(shù)據(jù)和其對應(yīng)的數(shù) 字標(biāo)簽、第二日歷史出力數(shù)據(jù)對應(yīng)的數(shù)字標(biāo)簽作為輸入，以第二日歷史出力數(shù)據(jù)作為輸出， 建立光伏發(fā)電的ΒΡ神經(jīng)網(wǎng)絡(luò)預(yù)測模型并利用所述模型預(yù)測發(fā)電量。2. 根據(jù)權(quán)利要求1所述的一種基于Κ均值聚類改進廣義天氣的光伏發(fā)電預(yù)測方法，其特 征是，所述方法包括以下步驟： ① 聚類逐日歷史出力數(shù)據(jù) a. 根據(jù)需要確定分類狀態(tài)數(shù)Κ; b. 從光伏電站的逐日歷史出力數(shù)據(jù)中任意選取K個對象作為聚類中心，按距離最短原 則將其它數(shù)據(jù)分別分配給最相近的聚類中心，形成K個簇； c. 將K個簇的均值作為K個新的聚類中心，計算所有對象與K個新聚類中心的距離，用與 各個新聚類中心距離最小的對象對聚類中心進行更新，并按距離最短原則將其它數(shù)據(jù)重新 分配給更新后的聚類中心，得到更新后的K個簇； d. 重復(fù)步驟c，直到K個聚類中心不發(fā)生變化為止； ② 為逐日歷史出力數(shù)據(jù)附上相應(yīng)的數(shù)字標(biāo)簽 同一簇內(nèi)的逐日歷史出力數(shù)據(jù)具有相同的數(shù)字標(biāo)簽，不同簇內(nèi)的逐日歷史出力數(shù)據(jù)具 有不同的數(shù)字標(biāo)簽； ③ 建立改進廣義天氣映射 統(tǒng)計逐日歷史出力數(shù)據(jù)所對應(yīng)的數(shù)字標(biāo)簽和氣象專業(yè)天氣，構(gòu)成一個氣象專業(yè)天氣對 應(yīng)一個或多個數(shù)字標(biāo)簽的改進廣義天氣映射； ④ 訓(xùn)練和驗證BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型 從所有逐日歷史出力數(shù)據(jù)中，選擇一部分逐日歷史出力數(shù)據(jù)作為訓(xùn)練樣本，在每相鄰 兩日的逐日歷史出力數(shù)據(jù)中，以第一日歷史出力數(shù)據(jù)、第一日歷史出力數(shù)據(jù)對應(yīng)的數(shù)字標(biāo) 簽、第二日歷史出力數(shù)據(jù)對應(yīng)的數(shù)字標(biāo)簽作為輸入，以第二日歷史出力數(shù)據(jù)作為輸出，通過 BP神經(jīng)網(wǎng)絡(luò)擬合輸入輸出間的非線性映射關(guān)系，建立光伏發(fā)電的BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型；用 余下的逐日歷史出力數(shù)據(jù)檢驗?zāi)Ｐ偷念A(yù)測精度； ⑤ 利用光伏發(fā)電的BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型預(yù)測光伏發(fā)電量 從氣象部門獲取預(yù)測日的氣象專業(yè)天氣，根據(jù)改進廣義天氣映射，找到與此氣象專業(yè) 天氣相對應(yīng)的一個或多個數(shù)字標(biāo)簽，將預(yù)測日前一日歷史出力數(shù)據(jù)、預(yù)測日前一日對應(yīng)的 數(shù)字標(biāo)簽、預(yù)測日的一個或多個數(shù)字標(biāo)簽輸入到光伏發(fā)電的BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型，得到一 組或分別與多個數(shù)字標(biāo)簽相對應(yīng)的多組預(yù)測結(jié)果，如果是一組預(yù)測結(jié)果，則所述預(yù)測結(jié)果 為最終預(yù)測結(jié)果;如果是多組預(yù)測結(jié)果，計算每組預(yù)測結(jié)果與其數(shù)字編號所對應(yīng)的聚類中 心的歐式距離，歐式距離最小值者為最終預(yù)測結(jié)果。3. 根據(jù)權(quán)利要求2所述的一種基于K均值聚類改進廣義天氣的光伏發(fā)電預(yù)測方法，其特 征是，所述分類狀態(tài)數(shù)K為4。
【文檔編號】G06Q10/04GK106022538SQ201610380692
【公開日】2016年10月12日
【申請日】2016年5月31日
【發(fā)明人】張棟梁, 嚴健, 縱兆丹, 任曉達, 李國欣, 劉建華
【申請人】中國礦業(yè)大學(xué)