[發明專利]基于主成分分析和改進LSTM的光伏功率預測方法及系統

在審

• 申請號: 202110647701.4
• 申請日: 2021-06-10
• 公開（公告）號: CN113487064A
• 公開（公告）日: 2021-10-08
• 發明（設計）人: 馬慧心;張楚;彭甜;紀捷;夏鑫;張濤;孫偉;李沂蔓
• 申請（專利權）人: 淮陰工學院
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;H02J3/00;G06K9/62;G06N3/00;G06N3/04;G06N3/08;H02J3/38;H02J3/46
• 代理公司: 南京蘇高專利商標事務所(普通合伙) 32204
• 代理人: 柏尚春

1.一種基于主成分分析和改進LSTM的光伏功率預測方法，其特征在于，包括以下步驟：

(1)獲得預設時間內光伏功率數據，對數據使用主成分分析法進行特征選擇并降維處理，將使用主成分分析法處理后的光伏數據作為輸入；

(2)將經過步驟(1)降維處理的光伏數據集劃分為訓練集和測試集；

(3)使用萊維levy飛行對正余弦算法的位置更新部分進行改進，使用爬山搜索對正余弦算法局部搜索部分進行改進，利用改進后的正余弦算法ISCA對長短期記憶網絡LSTM隱含層神經元個數和最大訓練次數進行優化；

(4)建立ISCA-LSTM模型，使用訓練集中數據對此模型進行訓練，采用訓練好ISCA-LSTM模型對測試集樣本進行預測，得到測試樣本預測值，使用均方誤差、平均絕對標度誤差，決定系數對預測值和實際值進行誤差指標分析，判斷本模型的有效性。

2.根據權利要求1所述基于主成分分析和改進LSTM的光伏功率預測方法，其特征在于，所述步驟(1)包括以下步驟：

(11)輸入原始數據集矩陣X，并去均值；

(12)計算原始數據矩陣的協方差矩陣其中，n為樣本數量；

(13)使用特征值分解方法求協方差矩陣的特征值和特征向量；

(14)對特征值進行排序，選擇其中特征值最大的y個，將其對應的y個特征向量組成的矩陣Z；

(15)將原始數據集矩陣X右乘特征向量矩陣Z得到新矩陣P，即P＝ZX，得到的矩陣P作為新的輸入矩陣。

3.根據權利要求1所述基于主成分分析和改進LSTM的光伏功率預測方法，其特征在于，步驟(2)所述的訓練集占80％，測試集占20％。

4.根據權利要求1所述基于主成分分析和改進LSTM的光伏功率預測方法，其特征在于，所述步驟(3)包括以下步驟：

(31)初始化正余弦算法的種群規模，最大迭代次數以及位置維度；

(32)計算初始位置，將適應度最好的最優個體設為當前位置，更新位置使用的公式為：

其中，表示在第t次迭代中個體i的位置；K_j^t表示種群的當前最優位置；r₂、r₃、r₄是服從均勻分布的隨機數，r₂∈[0，2π]，r₃∈[－2，2]，r₄∈[0，1]，r₁是控制參數；并且r₁通過式(1)進行調整；

(33)在正余弦算法基礎上使用Levy飛行改進控制參數r₁，更新公式如下：

其中，Levy(β)服從參數為β的Levy分布，0β2，μ服從N(0,σ²)分布，ν服從N(0,1)分布，σ可由下式得到：

其中，Γ表示Gamma分布函數，本發明中β取1.5；

(34)在正余弦算法的基礎上，采用爬山局部搜索對算法的搜索部分進行改進。