[發明專利]基于自學習徑向基核函數的光伏發電功率預測方法

在審

• 申請號: 201410163066.2
• 申請日: 2014-04-22
• 公開（公告）號: CN103927598A
• 公開（公告）日: 2014-07-16
• 發明（設計）人: 路亮;汪寧渤;靳丹;師建中;崔剛;賈懷森;張鵬
• 申請（專利權）人: 國家電網公司;國網甘肅省電力公司;甘肅省電力公司風電技術中心
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06
• 代理公司: 北京中恒高博知識產權代理有限公司 11249
• 代理人: 宋敏

1.一種基于自學習徑向基核函數的光伏發電功率預測方法，其特征在于，包括：

通過模型訓練得出得到SVM模型的步驟；

以及將光伏發電功率預測所需的數據輸入上述訓練得出的SVM模型，得出預測結果的步驟。

2.根據權利要求1所述的基于自學習徑向基核函數的光伏發電功率預測方法，其特征在于，上述通過模型訓練得出得到SVM模型的步驟具體包括：

步驟101、模型訓練基礎數據輸入；

步驟102、對上述輸入的訓練基礎數據進行預處理；

步驟103、SVM分類器訓練；

步驟104、通過輸入上述預處理的樣本數據，經過SVM分類器訓練得到SVM預測模型。

3.根據權利要求2所述的基于自學習徑向基核函數的光伏發電功率預測方法，其特征在于，上述步驟101中，模型訓練基礎數據輸入的數據包括光伏電站基礎信息、歷史輻照數據、歷史功率數據和地理信息系統數據。

4.根據權利要求3所述的基于自學習徑向基核函數的光伏發電功率預測方法，其特征在于，所述地理信息系統數據用于功率預測時根據各光伏電站的上下游關系進行短期預測結果的優化。

5.根據權利要求2所述的基于自學習徑向基核函數的光伏發電功率預測方法，其特征在于，上述步驟102中的訓練基礎數據進行預處理具體為：將輻照數據和功率數據進行數據對齊及歸一化預處理，地理信息系統數據通過預處理確定電站上下游關系。

6.根據權利要求2所述的基于自學習徑向基核函數的光伏發電功率預測方法，其特征在于，上述步驟103中，SVM分類器訓練具體為：基于SVM分類器的非線性光伏發電功率短期預測模型可以表示為：

其中，x是與光伏發電功率密切相關的影響因素，包括數值天氣預報數據、歷史功率和光伏電站上下游關系，d是輸入變量的維度，f(x)是待預測的功率值，是從輸入空間到高維空間的非線性映射，即核函數，w是模型參數，b是預測殘差項；

定義懲罰函數即優化目標為：

min12||w||2+12rΣi=1Nei2]]>

其中，e_i是誤差項，r為正則化參數，N為樣本數；

引入拉格朗日乘子λ后，基于SVM分類器的非線性預測模型為：

f(x)=Σi=1NλiK(x,xi)+b]]>

其中，λ_i(i＝1,2,...,N)和b為模型系數，K(·)表示從輸入空間即非線性空間，到高位特征空間即線性空間的非線性映射；

核函數K(·)采用徑向基函數形式，為

K(x,x_i)＝exp(-||x-x_i||²/σ²)

其中，x_i(i＝1,2,...,N)為輸入的訓練樣本，σ為核函數參數，為正常數。