[發明專利]基于SVM-馬爾科夫組合法的太陽能光伏發電量預測方法

有效

• 申請號: 201310321242.6
• 申請日: 2013-07-26
• 公開（公告）號: CN103400204A
• 公開（公告）日: 2013-11-20
• 發明（設計）人: 戴棟;李述文;郝艷捧;張建偉;曹敏
• 申請（專利權）人: 華南理工大學;云南電網公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06
• 代理公司: 廣州市華學知識產權代理有限公司 44245
• 代理人: 蔡茂略

1.基于SVM-馬爾科夫組合法的太陽能光伏發電量預測方法，其特征在于，包括以下步驟：

（1）選擇合適的預警因子；

（2）根據預警因子收集一定量的樣本數據；

（3）初步建立SVM回歸預測模型，并利用樣本數據進行訓練，確定SVM模型結構；

（4）利用步驟（3）得到的SVM模型結構進行光伏發電量初步預測；

（5）應用馬爾科夫方法對預測結果進行修正；

（6）得到預測結果。

2.根據權利要求1所述的基于SVM-馬爾科夫組合法的太陽能光伏發電量預測方法，其特征在于，所述步驟（1）中選擇的預警因子為：太陽輻射強度、日最高氣溫、相對濕度、風速作為預警因子。

3.根據權利要求2所述的基于SVM-馬爾科夫組合法的太陽能光伏發電量預測方法，其特征在于，選用紫外線指數來近似表征太陽輻射強度，紫外線指數變化范圍用0～15的數字來表示，太陽輻射能也按紫外線指數進行數字化表征，從小到大依次賦值為1、2、3、……、14、15。

4.根據權利要求1所述的基于SVM-馬爾科夫組合法的太陽能光伏發電量預測方法，其特征在于，所述步驟（3）建立SVM回歸預測模型前對采集的樣本數據進行預處理，包括奇異數據的消除、線性插值、數據的歸一化處理。

5.根據權利要求1所述的基于SVM-馬爾科夫組合法的太陽能光伏發電量預測方法，其特征在于，所述步驟（3）具體為：

（3-1）將步驟（2）收集的樣本數據作為輸入數據集，而輸出數據為光伏發電量；

（3-2）選擇核函數；

（3-3）用樣本數據訓練SVM回歸預測模型，獲得相應的支持向量，并據此確定該SVM回歸預測模型的結構。

6.根據權利要求5所述的基于SVM-馬爾科夫組合法的太陽能光伏發電量預測方法，其特征在于，所述步驟（3-2）中采用的核函數為RBF函數，即：

K(x,xi)=exp(-|x-xi|2σ2).]]>

7.根據權利要求1所述的基于SVM-馬爾科夫組合法的太陽能光伏發電量預測方法，其特征在于，所述步驟（5）應用馬爾科夫方法對預測結果進行修正的步驟如下：

（5-1）劃分樣本數據的狀態等級：利用步驟（3）得到的SVM模型結構預測樣本數據，并與實際發電量值進行比較，得到預測相對誤差δ；根據各測試樣本預測值的相對誤差δ，確定δ的變動范圍，并將δ所處的上下閾值[δ₀,δ_n]作為狀態劃分值域，并確定狀態劃分標準，建立馬爾科夫狀態集S：S₁[δ₀,δ₁]，S₂[δ₁,δ₂]，S₂[δ₂,δ₃]，……，S_i[δ_i-1,δ_i]，……，S_n[δ_n-1,δ_n]；

（5-2）建立狀態轉移概率矩陣：對于每組光伏發電量相對誤差數據δ，若δ∈[δ_i-1,δ_i]，即事件S_i發生，則事件處于狀態S_i，狀態S_i經過k步轉移到狀態S_j的概率為：

Pij(k)=NijkNi;]]>

式中，為樣本狀態從S_i到S_j的轉移次數，N_i為狀態S_i出現轉移的總次數；則k步狀態轉移概率矩陣為：

P(k)=P11(k)P12(k)···P1n(k)P21(k)P22(k)···P2n(k)············Pn1(k)Pn2(k)···Pnn(k);]]>

（5-3）確定狀態轉移結果：設X(k)為k時刻的狀態概率向量，X(0)為已知的初始時刻的狀態概率向量；P^(k)為狀態轉移概率矩陣，則三者關系滿足：

X(k)=X(0)P^(k)；

通過上式確定k時刻的狀態概率向量X(k)，選取所得結果中最大的列向量狀態作為下一步轉向狀態；

（5-4）修正步驟（4）所得到的光伏發電量初步預測值：待預測對象SVM回歸模型預測值y的修正變動區間S_i[δ_i-1,δ_i]，求取區間的中位數則預測對象未來時刻的預測值，即y^*=y(1-s_i)。