基于光伏发电符号序列直方图聚类的天气类型划分方法

技术领域

本发明属于光伏新能源领域，涉及一种基于光伏发电符号序列直方图聚类的天气类型划分方法。

背景技术

光伏发电作为太阳能利用的主要形式之一，具有零污染和可再生的优点，已成为解决碳排放问题的重要途径。但太阳能是一种自然变动能源，光伏发电出力受天气条件尤其是云层变化的影响较大，其供电模式呈现间歇性和不确定性特征。这些特征不仅给电力系统安全稳定运行带来新的挑战，也对电力灵活性和调节能力提出了更高的要求。随着光伏发电在电网和微电网中渗透率的提高，光伏发电的出力预测已成为光伏应用领域的重要研究课题。

由于光伏发电与云层覆盖度，即晴、雨、阴天以及多云等气象条件存在着密切联系，因此，历史日天气类型的有效分类是获得准确相似日的关键所在，也是提高光伏发电预测精度的一个关键因素。但目前光伏出力预测研究中，针对直接影响相似日准确性的天气条件的研究往往被忽视，它们大多直接采用气象服务供货商提供的天气预报数据。这存在两方面的问题：(1)公共天气预报自身存在的误差。(2)公共天气预报对天气类型的划分是基于全天空云层覆盖比例，因此一般也只能提供较大地理范围的粗略预报，用于光伏发电预测时，其空间分辨率难以满足要求。这意味着光伏出力预测中相似日的训练样本标签并不可靠，这将严重影响到后续的光伏出力预测精度。

发明内容

目前的光伏发电预测在确定相似日时普遍依赖于气象数据，这在某种程度上限制了光伏发电预测精度的进一步提高。而实验研究表明，光伏组件的输出功率波动趋势与太阳辐射强度的波动趋势基本一致。被普遍接受的观点是，太阳辐射强度与由云层覆盖度定义的天气类型存在着密切联系。基于以上背景，本发明面向光伏发电预测，提出一种由历史光伏出力数据反向推算对应天气类型的新策略，以改变光伏出力预测中相似日选取普遍依赖天气预报数据的现状，从而提升光伏出力预测的准确性和鲁棒性。

本发明提出一种基于光伏发电符号序列直方图聚类的天气类型划分方法，包括以下步骤：

步骤(1)对原始光伏出力序列和去除固定趋势性成分后序列的符号直方图特征分别计算波动分值，获得波动分值序列。

步骤(2)基于波动分值序列，对符号序列直方图进行聚类，得到最优边界和分类规则。

步骤(3)根据最优边界和分类规则对样本日的天气类型重新划分。

本发明具有的有益效果为：

1、本发明提供了一种基于历史光伏出力波动分析的天气类型映射方法。根据光伏发电的气象敏感特点，利用无监督聚类算法挖掘历史光伏出力所隐含的气象信息，由历史光伏出力数据反向推算对应的气象条件，实现对历史天气类型的重新划分，为光伏发电预测提供更准确的相似日信息。

2、本发明聚类得到的历史天气类型与天空太阳辐射状况密切相关，而且是根据历史光伏数据特征得到的，是面向光伏发电日前预测的，尤其对于分布式光伏电站的局部天气类型描述具有较强的针对性。

附图说明

图1为符号序列直方图聚类及天气类型划分流程图。

具体实施方式

通过对光伏出力序列进行去趋势重建、差分计算、符号化，进行字编码，以及符号直方图特征提取步骤，可以分别获得原始光伏出力序列X

式中，i、d和m分别代表采样周期序号及其所在的日期和月份；N表示一天的总采样点数；

采用一种逐点组合的方式得到近似晴空序列来代替理想晴空序列；设

从

则去掉固定趋势性成分后的序列R

差分计算具体为：

对X

其中i、d和m分别代表采样周期序号及其所在的日期和月份；△R

符号化具体为：以△X

采用等概率原则，用自然数集合作为赋值符号对差分序列的元素进行赋值，即如式(7)所示；

sx

其中，Ω

通过上述时间上离散、空间上连续的映射，将△X

SX

同理可得到差分序列△R

进行字编码具体为：对符号序列SR

L为Shannon熵最小化意义下的最优字长，l、d和m分别代表采样周期序号及其所在的日期和月份；

由此，获得SX

VX

同理，构成SR

获得对应的符号序列直方图具体为：统计字编码序列VX

其中，k为直方图分量对应的字编码值，k∈[0,M

本发明具体的实施步骤为：

步骤(1)对符号序列直方图HX

本发明以日为单位，引入表征光伏出力时间序列波动程度的波动分值的概念。由于符号序列字编码值的大小反映了一个字长时间段内波动的剧烈程度，因此本发明所提波动分值是以字编码为依据进行的计算。定义波动分值为符号直方图中的编码值与频次的乘积之和。

以符号序列直方图HX

/>

其中，PX

计算样本集中所有日的波动分值。设所有出现过的不同波动分值的个数为T

QX＝{qx

式中，qx

步骤(2)基于波动分值序列QX和QR，分别对符号序列直方图HX

以波动分值为依据进行符号序列直方图聚类，其核心思想是通过寻找波动分值的最优聚类簇边界，将QX和QR分别分割为若干个带标签的子类，实现这些子类所对应的符号序列直方图的无监督聚类。

本发明参照划分聚类的原理，以移动边界的方式进行迭代，以寻找直方图序列的最优聚类边界。该过程中涉及两个参数：聚类有效性评价指标和聚类簇数目。

本发明采用轮廓系数(Silhouette Coefficient,SC)作为符号直方图聚类的有效性评价指标。SC∈[-1,1]，－1表示是非常糟糕的聚类，1则代表完美聚类；本发明采用动态时间弯曲距离对直方图间的距离进行度量。

考虑到影响光伏出力的气象类型主要包括晴天、阴雨与多云三种类型，因此天气类型标签数目为3。本发明将每个特征序列的波动模式分为2种类型。即需要寻找聚类簇边界，将每个特征序列分别聚为两类。

分别以qx

步骤(3)根据最优边界和分类规则对样本日的天气类型重新划分。

根据最优边界及聚类标签，本发明设定天气类型划分规则如表1所示。

表1基于波动分值划分的天气类型聚类标签

如前述，A代表波动剧烈，F代表波动平缓，X

综合上述时间序列的波动特征提取方法，本发明提出的基于符号序列直方图聚类的天气类型划分完整流程如附图1所示。