(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111354751.X (22)申请日 2021.11.16 (71)申请人 国网甘肃省电力公司电力科 学研究 院 地址 730070 甘肃省兰州市安宁区万 新北 路249号 申请人 国网甘肃省电力公司 (72)发明人 吕清泉　张睿骁　马明　陶钰磊　 高鹏飞　张彦琪　赵多贤　张金平　 张健美　张珍珍　王定美　李津　 周强　朱红路　侯汝印　 (74)专利代理 机构 兰州中科华西专利代理有限 公司 620 02 代理人 曹向东(51)Int.Cl. G06F 30/25(2020.01) G06F 30/27(2020.01) G06Q 10/04(2012.01) G06Q 50/06(2012.01) G06N 3/00(2006.01) G06N 3/08(2006.01) G06F 119/06(2020.01) (54)发明名称 基于NWP辐 照度修正和误差预测的光伏电站 功率预测方法 (57)摘要 本发明涉及一种基于NWP辐 照度修正和误差 预测的光伏电站功率预测方法， 该方法包括以下 步骤：⑴获取光伏电站历史运行数据及NWP数值 天气预报； ⑵建立NWP辐照度修正模型， 实现NWP 辐照度的多步修正； ⑶基于PSO‑ELM的优化功率 预测模型， 采用修正后的辐照度得到功率预测数 据；⑷根据功率预测数据计算误差， 并建立基于 时间序列的误差预测模型； 再通过数据迭代方法 得到多个误差预测值， 将该误差预测值与功率预 测数据相结合即得最终的光伏功率预测值。 本发 明具有更高的预测精度， 能够 有效提高光伏发电 功率预测的可靠性， 为电力系统的决策者提供参 考。 权利要求书1页 说明书6页 附图3页 CN 114091317 A 2022.02.25 CN 114091317 A 1.基于NWP辐照度修 正和误差预测的光伏电站 功率预测方法， 包括以下步骤： ⑴获取光伏电站历史运行 数据及NWP数值天气预报； ⑵建立NWP辐照度修 正模型， 实现N WP辐照度的多步 修正； ⑶基于PSO‑ELM的优化功率预测模型， 采用修 正后的辐照度得到功率预测数据； ⑷根据功率预测数据计算误差， 并建立基于时间序列的误差预测模型； 再通过数据迭 代方法得到多个误差预测值， 将该误差预测值与功 率预测数据相结合即得最 终的光伏功 率 预测值。 2.如权利要求1所述的基于NWP辐照度修正和误差预测的光伏电站功率预测方法， 其特 征在于： 所述 步骤⑵中NWP辐照度的多步 修正方法如下： ①确定修正模型的数据参数 n, 将t‑n+1至t时刻的实测辐照度作为修正变量， 以此来 对下一时刻的N WP辐照度进行修 正； ②选取t‑n+1,t‑n+2…t‑1,t时刻的实测辐照度和 t+1时刻的NWP预报辐照度作为模型 的输入，t+1时刻的实测辐照度作为模型的输出， 采用ELM极限学习机算法建立辐照度修正 模型， 实现对 t+1时刻NWP预报辐照度的修 正。 ③采用滚动迭代的方式， 将 t+1时刻的NWP辐照度修正值作为输入， 进而对 t+2时刻的 NWP预报辐照度的修 正， 实现N WP预报辐照度的多步 修正； ④选用均方根误差RMSE、 平均 绝对误差MAE和平均绝对百分比误差MAPE来对NWP辐照度 修正结果进行评价， 其计算公式如下： 式中：ga为修正的辐照度/预测功率； gmeasured为实际的辐照度/实测功率； n为样本个数。 3.如权利要求1所述的基于NWP辐照度修正和误差预测的光伏电站功率预测方法， 其特 征在于： 所述 步骤⑶中功率预测数据按下述方法获得： ⅰ采用ELM极限学习机算法建立 光伏功率预测模型； ⅱ将数据按月份分类， 以实测历史气象数据作为输入， 实测历史功率作为输出， 训练预 测模型； ⅲ采用粒子群算法PS O对ELM算法的隐含层节点数进行优化， 以预测结果的均方误差最 小为PSO算法优化的目标函数， 寻找最佳的隐含层节点数， 实现光伏 功率预测模型的优化； ⅳ根据月份选择不同的预测模型， 输入修正后的NWP辐照度 数据及其他气象信息， 即得 功率预测数据。权　利　要　求　书 1/1 页 2 CN 114091317 A 2基于NWP辐照度修正和误差预测的光 伏电站功率 预测方法 技术领域 [0001]本发明涉及光伏发电技术领域， 尤其涉及基于NWP辐照度修正和误差预测的光伏 电站功率预测方法。 背景技术 [0002]近年来， 为了解决化石能源枯竭问题和实现能源转型， 加快发展新能源已经成为 各国的普遍共识。 光伏发电以其清洁可持续的优势得到了迅速发展。 然而， 光伏发电有着很 强的随机性和间歇性周期性。 光伏发电大规模并网时会对电力系统产生冲击， 严重影响了 电力系统的安全稳定运行。 由于光伏短期功率预测对电力部门安排发电计划有着重要意 义， 因此， 精确的短期功率预测能够提高光伏发电接入电网的可靠性， 降低光伏发电不确定 性对电力系统的影响， 是解决光伏发电并 网障碍的关键技 术之一。 [0003]目前， 有关光伏发电短期功率预测的方法大致可以分为两类， 分别是物理方法和 统计学方法。 物理方法基于太阳辐射传递方程、 光伏组件运行方程等建立物理模 型， 以此直 接计算光伏输出功率， 但是 由于涉及到多种方程使得其建模过程复杂且鲁棒性较差， 难以 实现； 统计学方法是根据光伏发电输出功率与气象因素之间的关系， 通过智能算法训练光 伏电站的历史运行数据建立预测模型， 模型相对较简单， 但是 由于智能算法自身的局限性 使得预测结果存在一定程度的误差。 同时， 功 率预测的输入数据源自数值 天气预报， 现有技 术考虑数值天气预报自身的误差对功率预测影响的较少， 因此， 现有预测方法的残差对功 率预测精度有着 负面影响， 需要对预测后数据进行后处 理以减少这 一影响。 发明内容 [0004]本发明所要解决的技术问题是提供一种提高预测精度的基于NWP辐照度修正和误 差预测的光伏电站 功率预测方法。 [0005]为解决上述问题， 本发明所述的基于NWP辐照度修正和误差预测的光伏电站功率 预测方法， 包括以下步骤： ⑴获取光伏电站历史运行 数据及NWP数值天气预报； ⑵建立NWP辐照度修 正模型， 实现N WP辐照度的多步 修正； ⑶基于PSO‑ELM的优化功率预测模型， 采用修 正后的辐照度得到功率预测数据； ⑷根据功率预测数据计算误差， 并建立基于时间序列的误差预测模型； 再通过数 据迭代方法得到多个误差预测值， 将该误差预测值与功 率预测数据相结合即得最 终的光伏 功率预测值。 [0006]所述步骤⑵中NWP辐照度的多步 修正方法如下： ①确定修正模型的数据参数 n, 将t‑n+1至t时刻的实测辐照度作为修正变量， 以 此来对下一时刻的N WP辐照度进行修 正； ②选取t‑n+1,t‑n+2…t‑1,t时刻的实测辐照度和 t+1时刻的NWP预报辐照度作为 模型的输入， t+1时刻的实测辐照度作为模型的输出， 采用ELM极限学习机算法建立辐照度说　明　书 1/6 页 3 CN 114091317 A 3