[發(fā)明專利]基于EMD-FE-LSTM及迭代誤差修正的光伏功率短期預(yù)測(cè)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 202110440928.1
• 申請(qǐng)日: 2021-04-23
• 公開（公告）號(hào): CN112906995A
• 公開（公告）日: 2021-06-04
• 發(fā)明（設(shè)計(jì)）人: 張家安;郝峰;姜皓齡
• 申請(qǐng)（專利權(quán)）人: 河北工業(yè)大學(xué)
• 主分類號(hào): G06Q10/04
• 分類號(hào): G06Q10/04;G06N3/04;G06N3/08
• 代理公司: 天津翰林知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 12210
• 代理人: 付長(zhǎng)杰

本發(fā)明為基于EMD?FE?LSTM及迭代誤差修正的光伏功率短期預(yù)測(cè)方法，該方法首先通過模糊熵(FE)對(duì)不同的天氣類型進(jìn)行量化，提取與待預(yù)測(cè)日相近的相似日，以相似日的光伏序列利用長(zhǎng)短期記憶網(wǎng)絡(luò)進(jìn)行誤差迭代，同時(shí)對(duì)歷史相似日的光伏功率序列進(jìn)行經(jīng)驗(yàn)?zāi)B(tài)分解(EMD)，再利用長(zhǎng)短期記憶網(wǎng)絡(luò)進(jìn)行預(yù)測(cè)，再以迭代誤差對(duì)預(yù)測(cè)結(jié)果進(jìn)行修正，實(shí)現(xiàn)間接預(yù)測(cè)和直接預(yù)測(cè)的結(jié)合，提高了預(yù)測(cè)的精度。此外還對(duì)經(jīng)驗(yàn)?zāi)B(tài)分解后的所有的IMF分量進(jìn)行Hurst分析，根據(jù)Hurst指數(shù)的規(guī)律性進(jìn)行多尺度重構(gòu)，對(duì)重構(gòu)的分量再分別運(yùn)用長(zhǎng)短期記憶網(wǎng)絡(luò)(LSTM)進(jìn)行預(yù)測(cè)，進(jìn)一步降低了誤差，提高了預(yù)測(cè)的準(zhǔn)確性。

技術(shù)領(lǐng)域

本發(fā)明屬于光伏發(fā)電領(lǐng)域，具體涉及一種基于EMD-FE-LSTM及迭代誤差修正的光伏功率短期預(yù)測(cè)方法。根據(jù)光伏功率的歷史數(shù)據(jù)，應(yīng)用本文提出的預(yù)測(cè)方法對(duì)未來數(shù)小時(shí)得到光伏電站功率進(jìn)行預(yù)測(cè)。

背景技術(shù)

光伏發(fā)電已經(jīng)成為當(dāng)今中國(guó)能源系統(tǒng)重要的一環(huán)，如今光伏發(fā)電技術(shù)已經(jīng)足夠成熟，對(duì)光伏功率準(zhǔn)確的預(yù)測(cè)是電網(wǎng)安全調(diào)度等的重要依據(jù)，對(duì)電網(wǎng)安全調(diào)度具有重要意義。

光伏發(fā)電功率預(yù)測(cè)主要分為間接預(yù)測(cè)和直接預(yù)測(cè)兩種方式。間接預(yù)測(cè)方法是根據(jù)光伏發(fā)電輸入條件構(gòu)造信息特征來進(jìn)行預(yù)測(cè)，如光照強(qiáng)度、太陽(yáng)輻射強(qiáng)度、風(fēng)速、溫度、天氣狀態(tài)等外部條件。直接預(yù)測(cè)方式是將歷史發(fā)電輸出功率作為研究對(duì)象以建立功率預(yù)測(cè)模型。但由于受天氣狀況的影響，當(dāng)外部條件變化時(shí)，功率預(yù)測(cè)的精度和穩(wěn)定性將會(huì)下降。

文獻(xiàn)《陽(yáng)霜，羅滇生，何洪英，等.基于EMD-LSSVM的光伏發(fā)電系統(tǒng)功率預(yù)測(cè)方法研究[J].太陽(yáng)能學(xué)報(bào)，2016，37(6)：1387-1395.》直接使用相似日獲得的EMD分解結(jié)果，將其作為L(zhǎng)SSVM的輸入，為直接預(yù)測(cè)方式，且每一個(gè)分解后的IMF分量都會(huì)產(chǎn)生一個(gè)誤差，對(duì)IMF分量進(jìn)行疊加，也會(huì)對(duì)誤差進(jìn)行一個(gè)疊加，準(zhǔn)確性有待提高。

發(fā)明內(nèi)容

本發(fā)明的目的在于，提出了一種基于EMD-FE-LSTM及迭代誤差修正的光伏功率短期預(yù)測(cè)方法。該方法首先通過模糊熵(FE)對(duì)不同的天氣類型進(jìn)行量化，提取與待預(yù)測(cè)日相近的相似日，以相似日的光伏序列利用長(zhǎng)短期記憶網(wǎng)絡(luò)進(jìn)行誤差迭代，同時(shí)對(duì)歷史相似日的光伏功率序列進(jìn)行經(jīng)驗(yàn)?zāi)B(tài)分解(EMD)，再利用長(zhǎng)短期記憶網(wǎng)絡(luò)進(jìn)行預(yù)測(cè)，再以迭代誤差對(duì)預(yù)測(cè)結(jié)果進(jìn)行修正，實(shí)現(xiàn)間接預(yù)測(cè)和直接預(yù)測(cè)的結(jié)合，提高了預(yù)測(cè)的精度。此外還對(duì)經(jīng)驗(yàn)?zāi)B(tài)分解后的所有的IMF分量進(jìn)行Hurst分析，根據(jù)Hurst指數(shù)的規(guī)律性進(jìn)行多尺度重構(gòu)，對(duì)重構(gòu)的分量再分別運(yùn)用長(zhǎng)短期記憶網(wǎng)絡(luò)(LSTM)進(jìn)行預(yù)測(cè)，進(jìn)一步降低了誤差，提高了預(yù)測(cè)的準(zhǔn)確性。

為實(shí)現(xiàn)上述目的，本發(fā)明的技術(shù)方案是：

一種基于EMD-FE-LSTM及迭代誤差修正的光伏功率短期預(yù)測(cè)方法，其特征在于，該方法包括以下內(nèi)容；

確定待預(yù)測(cè)日的相似日，以相似日的光伏發(fā)電功率計(jì)算模糊熵FE，將所有相似日的光伏發(fā)電功率按照時(shí)間順序合成一個(gè)基于相似日的光伏發(fā)電序列X(1)；

以基于相似日的光伏發(fā)電序列X(1)作為訓(xùn)練樣本，以X(1)中的光伏點(diǎn)和待預(yù)測(cè)日的模糊熵作為輸入，以一級(jí)誤差序列X(e₁)作為輸出，訓(xùn)練一級(jí)誤差LSTM網(wǎng)絡(luò)模型；一級(jí)誤差為每個(gè)對(duì)應(yīng)時(shí)刻點(diǎn)的預(yù)測(cè)發(fā)電功率值與真實(shí)值的差；

以一級(jí)誤差序列X(e₁)作為訓(xùn)練樣本，以X(e₁)中的一級(jí)誤差和待預(yù)測(cè)日的模糊熵作為輸入，以二級(jí)誤差序列X(e₂)作為輸出，訓(xùn)練二級(jí)誤差LSTM網(wǎng)絡(luò)模型；二級(jí)誤差為每個(gè)對(duì)應(yīng)時(shí)刻點(diǎn)的預(yù)測(cè)誤差值與一級(jí)誤差序列X(e₁)中的一級(jí)誤差的差；

以基于相似日的光伏發(fā)電序列X(1)進(jìn)行經(jīng)驗(yàn)?zāi)B(tài)分解EMD獲得多個(gè)IMF分量，

再以IMF分量和待預(yù)測(cè)日的模糊熵FE作為輸入，訓(xùn)練相應(yīng)分量的光伏預(yù)測(cè)LSTM網(wǎng)絡(luò)模型；