[發(fā)明專(zhuān)利]基于分類(lèi)和誤差組合預(yù)測(cè)的太陽(yáng)能光伏發(fā)電量預(yù)測(cè)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201811570233.X
• 申請(qǐng)日: 2018-12-21
• 公開(kāi)（公告）號(hào): CN109636054A
• 公開(kāi)（公告）日: 2019-04-16
• 發(fā)明（設(shè)計(jì)）人: 萬(wàn)虎;楊坤豪;王自豪;洪小玲
• 申請(qǐng)（專(zhuān)利權(quán)）人: 電子科技大學(xué);成都易倍得智能技術(shù)有限公司
• 主分類(lèi)號(hào): G06Q10/04
• 分類(lèi)號(hào): G06Q10/04;G06Q50/06;G06N3/04;G06N3/08;G06K9/62;G06N20/00
• 代理公司: 成都正華專(zhuān)利代理事務(wù)所(普通合伙) 51229
• 代理人: 李蕊;郭艷艷

1.基于分類(lèi)和誤差組合預(yù)測(cè)的太陽(yáng)能光伏發(fā)電量預(yù)測(cè)方法，其特征在于，包括以下步驟：

S1、從氣象站獲取太陽(yáng)能光伏發(fā)電量預(yù)測(cè)日的氣象數(shù)據(jù)；

S2、確定該氣象數(shù)據(jù)所屬季節(jié)中的天氣類(lèi)型，將預(yù)測(cè)日的氣象數(shù)據(jù)輸入到該天氣類(lèi)型下對(duì)應(yīng)的訓(xùn)練好的MPSO-BP神經(jīng)網(wǎng)絡(luò)中，得到第一太陽(yáng)能發(fā)電量輸出時(shí)間序列

同時(shí)將預(yù)測(cè)日的氣象數(shù)據(jù)輸入到該天氣類(lèi)型下對(duì)應(yīng)的訓(xùn)練好的灰色模型GM(1,1)中，得到第二太陽(yáng)能發(fā)電量輸出時(shí)間序列

S3、將第一太陽(yáng)能發(fā)電量輸出時(shí)間序列與對(duì)應(yīng)的訓(xùn)練好的MPSO-BP神經(jīng)網(wǎng)絡(luò)中的組合預(yù)測(cè)矩陣W_BP相乘，得到第一太陽(yáng)能發(fā)電預(yù)測(cè)量Y_BP；

同時(shí)將第二太陽(yáng)能發(fā)電量輸出時(shí)間序列與對(duì)應(yīng)的訓(xùn)練好的灰色模型GM(1,1)中的組合預(yù)測(cè)矩陣W_GM相乘，得到第二太陽(yáng)能發(fā)電預(yù)測(cè)量Y_GM；

S4、將第一太陽(yáng)能發(fā)電預(yù)測(cè)量Y_BP和第二太陽(yáng)能發(fā)電預(yù)測(cè)量Y_GM相加，得到太陽(yáng)能光伏發(fā)電量預(yù)測(cè)日的預(yù)測(cè)發(fā)電量Y_P。

2.根據(jù)權(quán)利要求1所述的基于分類(lèi)和誤差組合預(yù)測(cè)的太陽(yáng)能光伏發(fā)電量預(yù)測(cè)方法，其特征在于，所述步驟S1中的氣象數(shù)據(jù)包括最高氣溫值、最低氣溫值、每隔三小時(shí)的溫度值、最高溫度與前一日最高溫度的差值、最低溫度與前一日最低溫度的差值、相對(duì)濕度和數(shù)值化的紫外線(xiàn)強(qiáng)度。

3.根據(jù)權(quán)利要求1所述的基于分類(lèi)和誤差組合預(yù)測(cè)的太陽(yáng)能光伏發(fā)電量預(yù)測(cè)方法，其特征在于，所述步驟S2中的氣象數(shù)據(jù)所屬季節(jié)包括春季、夏季、秋季和冬季；每個(gè)季節(jié)均包括晴天、陰天和雨天三種天氣類(lèi)型；

每個(gè)季節(jié)中的每個(gè)天氣類(lèi)型下均有一個(gè)對(duì)應(yīng)的訓(xùn)練好的MPSO-BP神經(jīng)網(wǎng)絡(luò)和訓(xùn)練好的灰色模型GM(1,1)。

4.根據(jù)權(quán)利要求3所述的基于分類(lèi)和誤差組合預(yù)測(cè)的太陽(yáng)能光伏發(fā)電量預(yù)測(cè)方法，其特征在于，所述灰色模型GM(1,1)為：

式中，y⁽¹⁾(k_{i+1 j})表示預(yù)測(cè)得到的第j個(gè)樣本的第i+1個(gè)輸出點(diǎn)的累加序列值；

y⁽¹⁾(k_ij)表示第j個(gè)樣本的第i個(gè)輸出點(diǎn)的累加序列值；

m為樣本中輸出點(diǎn)數(shù)目；

u，a模型待求參數(shù)；

u和a根據(jù)輸入到灰色模型中的數(shù)據(jù)確定。

5.根據(jù)權(quán)利要求4所述的基于分類(lèi)和誤差組合預(yù)測(cè)的太陽(yáng)能光伏發(fā)電量預(yù)測(cè)方法，其特征在于，所述步驟S2中訓(xùn)練一個(gè)天氣類(lèi)型下對(duì)應(yīng)的灰色模型GM(1,1)的方法具體為：

A1、從氣象站獲取不同季節(jié)中三種天氣類(lèi)型的歷史氣象數(shù)據(jù)；

A2、將同一季節(jié)中的同一天氣類(lèi)型下的歷史氣象數(shù)據(jù)分為一類(lèi)；

A3、根據(jù)同類(lèi)歷史氣象數(shù)據(jù)中的日期數(shù)據(jù)，獲取相應(yīng)日期中的實(shí)際太陽(yáng)能光伏發(fā)電量歷史數(shù)據(jù)，并將其作為訓(xùn)練樣本輸入到灰色模型GM(1,1)中；

A4、根據(jù)訓(xùn)練樣本的前j×m+i個(gè)點(diǎn)的數(shù)據(jù)，計(jì)算灰色模型的累加序列y⁽¹⁾，并建立其對(duì)應(yīng)的計(jì)算矩陣；

A5、根據(jù)計(jì)算矩陣，通過(guò)最小二乘法計(jì)算灰色模型中的u和a，并將其帶入累加序列y⁽¹⁾中，得到y(tǒng)⁽¹⁾(k_{i+1 j})，完成灰色模型GM(1,1)的訓(xùn)練。