本文利用 Pearson 相关系数对光伏发电功率的时序特征以及气象特征进
行研究,量化气象特征对光伏发电功率的影响权重,选择与光伏发电功率相关度
较高的历史气象特征作为光伏发电功率预测模型的输入。Pearson 相关系数
[11]
的公式如下所示。
r=cov(X,Y)σXσY=∑ni=1(xi−x¯)(yi−y¯)∑ni=1(xi−x¯)2√∑ni=1(yi−y¯)2√r=cov(X,Y)σXσY=∑i
=1n(xi−x¯)(yi−y¯)∑i=1n(xi−x¯)2∑i=1n(yi−y¯)2
(1)
式中 cov(X,Y)表示变量 X 和 Y 的协方差,σXσX 和 σYσY 分别表示两变量
的标准差,x¯x¯,y¯y¯分别为 X 和 Y 的均值,n 是输入时序变量长度,i∈[1,n]i∈[1,n]。
相关系数 r 描述了两个变量 X 和 Y 之间的线性相关程度,值域为[-1,1]。相关系
数 r 的绝对值越大,说明变量 X 和 Y 的相关性越强
[15]
。
以某真实光伏电站为案例,提取光伏电站的场站实测气象数据、数值天气
预报数据以及历史光伏发电功率构建数据集。数据集中包含 2018 年 7 月 1 日
至 2019 年 6 月 13 日共 348 天逐 15 分钟数据,其中每个时刻点数据包含场站
实测气象数据中的实测总辐照度、实测直射辐照度、实测散射辐照度、实测环
境温度、实测气压、实测风向、实测风速,数值天气预报中的预测时间、预测
总辐照度、预测直射辐照度、预测散射辐照度、预测总云量、预测低云量、预
测地面百叶箱气温、预测地面百叶箱相对湿度、预测地面 10 米风速、预测地
面 10 米风向、预测空气质量、预测地面气压、预测逐 15 分钟降水以及光伏电
站功率值。
将数据集中气象特征与历史光伏发电功率输入到公式(1)中,计算得到每
个气象特征与光伏发电的相关性,结果如表 1 所示。
表 1 气象特征与光伏发电功率的相关性
Table 1 Correlation between meteorological factors and photo-voltaic
power
评论0
最新资源