光伏发电主气象影响因子识别优化与功率预测模型研究

The output of photovoltaic (PV) power generation is influenced by many factors including irradiance, temperature, wind speed, etc. PV power generation is intermittent power source and its large-scale centralized access will bring grim challenges to the safe operation of the power grid. PV power forecasting is one of the key technologies to solve this problem. Due to the unbalanced and non-linear relationship between PV power and its multiple meteorological impact factors which are interrelated and interact on each other, how to optimize and select the input variables of PV power forecasting model with scientific foundation, and carry out the research of forecasting model and modeling method based on these input variables are of important academic and application value to slove the application basic problems of PV power forecasting. .In this project, data mining and sensitivity analysis are adopted to reveal the dynamic association rules between PV power and multiple meteorological impact factors by using the actual operating data of PV power station. The scientific representation describing the degree of relevance will be given, and the major meteorological impact factors of PV power will be recognized. Then the 'dorminant meteorological impact factors-generation power' model for different weather patterns will be studied and established through incidence matrix and neural network. At last, optimization for the selection of input variables and verification for the veracity and adaptability of the forecasting model are conducted using actual operating data of different space and time scale. This research can provide scientific foundation and technical basis to the study of PV power forecasting.

光伏发电是受辐照度、温度等多元气象因素影响的间歇式电源，其规模化集中接入会给电网的安全运行带来严峻挑战，光伏发电功率预测是解决此问题的关键技术之一。由于光伏发电功率与其多元气象影响因子间存在着不均衡的非线性关系，且各因子间又相互关联，如何有科学依据地优化选取光伏发电功率预测模型的输入变量，并据此进行预测模型与建模方法研究，对解决光伏发电功率预测的应用基础问题，具有重要的学术与应用价值。.本项目利用光伏电站实际运行数据，采用数据挖掘与灵敏度分析方法，研究光伏发电功率与多元气象影响因子间的动态关联规律，给出关联性强弱的科学表示，识别影响光伏发电功率的主气象影响因子；利用关联矩阵和神经网络方法，研究建立针对不同天气类型的"主气象影响因子-发电功率"模型；利用不同时空的实际运行数据对选取的输入变量及模型的准确性、适应性进行优化、验证。研究成果将为光伏发电功率预测的研究提供科学依据与技术基础。

光伏发电是受太阳辐照度、环境温度、风速等多元气象因素影响的电源，其出力具有明显的波动性和间歇性。随着越来越多的光伏发电并网运行，如何在满足电网安全稳定约束的前提下，最大限度地消纳这些间歇式可再生能源，已成为当前新能源电力系统领域的研究热点。准确的光伏发电功率预测不仅能够为电网的发电计划制定、调峰调频、潮流优化、设备检修等调度决策行为提供可靠依据，而且可为风、光、水、储的多能互补协调控制提供技术支撑，是提高电网接纳波动性间歇式电源能力的关键技术之一。本项目的研究内容包括：1、光伏发电功率与多元气象影响因子间的动态关联规律；2、光伏发电功率主气象影响因子的识别优化；3、光伏发电功率预测模型与建模方法。.本项目基于关联特征选择与互信息理论提出了光伏发电多元气象影响因子定量分析方法，通过影响因子在不同天气类型下的量化表示描述其与发电功率之间的动态关联规律，为预测模型的结构优化提供了科学依据；采用支持向量机建立历史数据天气类型辨识模型，解决了缺失天气类型标签历史数据在分类建模时的可用性问题，在此基础上提出基于天气类型的光伏发电功率分类预测方法；围绕预测模型提出了相应的改进措施，针对超短期预测在云空辨识基础上提出了基于相位相关理论的云团运动速度计算方法，针对预测值提出了基于时间周期性和邻近相似性的两维变尺度修正方法，对预测精度提高起到了积极作用。难点是多元气象影响因子的关联耦合及历史数据中天气类型信息缺失问题。取得成果有：基于关联特征选择与互信息理论的影响因子识别分析方法，基于天气状态模式识别的光伏发电功率分类预测方法与基于时间周期性和邻近相似性的预测值修正方法。