[发明专利]基于SVM-马尔科夫组合法的太阳能光伏发电量预测方法

权利要求书

1.基于SVM-马尔科夫组合法的太阳能光伏发电量预测方法，其特征在于，包括以下步骤：

（1）选择合适的预警因子；

（2）根据预警因子收集一定量的样本数据；

（3）初步建立SVM回归预测模型，并利用样本数据进行训练，确定SVM模型结构；

（4）利用步骤（3）得到的SVM模型结构进行光伏发电量初步预测；

（5）应用马尔科夫方法对预测结果进行修正；

（6）得到预测结果。

2.根据权利要求1所述的基于SVM-马尔科夫组合法的太阳能光伏发电量预测方法，其特征在于，所述步骤（1）中选择的预警因子为：太阳辐射强度、日最高气温、相对湿度、风速作为预警因子。

3.根据权利要求2所述的基于SVM-马尔科夫组合法的太阳能光伏发电量预测方法，其特征在于，选用紫外线指数来近似表征太阳辐射强度，紫外线指数变化范围用0～15的数字来表示，太阳辐射能也按紫外线指数进行数字化表征，从小到大依次赋值为1、2、3、……、14、15。

4.根据权利要求1所述的基于SVM-马尔科夫组合法的太阳能光伏发电量预测方法，其特征在于，所述步骤（3）建立SVM回归预测模型前对采集的样本数据进行预处理，包括奇异数据的消除、线性插值、数据的归一化处理。

5.根据权利要求1所述的基于SVM-马尔科夫组合法的太阳能光伏发电量预测方法，其特征在于，所述步骤（3）具体为：

（3-1）将步骤（2）收集的样本数据作为输入数据集，而输出数据为光伏发电量；

（3-2）选择核函数；

（3-3）用样本数据训练SVM回归预测模型，获得相应的支持向量，并据此确定该SVM回归预测模型的结构。

6.根据权利要求5所述的基于SVM-马尔科夫组合法的太阳能光伏发电量预测方法，其特征在于，所述步骤（3-2）中采用的核函数为RBF函数，即：

K(x,xi)=exp(-|x-xi|2σ2).]]>

7.根据权利要求1所述的基于SVM-马尔科夫组合法的太阳能光伏发电量预测方法，其特征在于，所述步骤（5）应用马尔科夫方法对预测结果进行修正的步骤如下：

（5-1）划分样本数据的状态等级：利用步骤（3）得到的SVM模型结构预测样本数据，并与实际发电量值进行比较，得到预测相对误差δ；根据各测试样本预测值的相对误差δ，确定δ的变动范围，并将δ所处的上下阈值[δ₀,δ_n]作为状态划分值域，并确定状态划分标准，建立马尔科夫状态集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）建立状态转移概率矩阵：对于每组光伏发电量相对误差数据δ，若δ∈[δ_i-1,δ_i]，即事件S_i发生，则事件处于状态S_i，状态S_i经过k步转移到状态S_j的概率为：

Pij(k)=NijkNi;]]>

式中，为样本状态从S_i到S_j的转移次数，N_i为状态S_i出现转移的总次数；则k步状态转移概率矩阵为：

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

（5-3）确定状态转移结果：设X(k)为k时刻的状态概率向量，X(0)为已知的初始时刻的状态概率向量；P^(k)为状态转移概率矩阵，则三者关系满足：

X(k)=X(0)P^(k)；

通过上式确定k时刻的状态概率向量X(k)，选取所得结果中最大的列向量状态作为下一步转向状态；

（5-4）修正步骤（4）所得到的光伏发电量初步预测值：待预测对象SVM回归模型预测值y的修正变动区间S_i[δ_i-1,δ_i]，求取区间的中位数则预测对象未来时刻的预测值，即y^*=y(1-s_i)。