[发明专利]一种短期光伏发电量预测方法

权利要求书

1.一种短期光伏发电量预测方法，其特征在于，包括如下步骤：

步骤(s1)，多层次特征分析确定需要的天气特征信息；

步骤(s2)，根据已确定的天气特征信息，形成基本特征库，从互联网采集信息，包括过去一年内的历史天气信息，作为建立气象因素与发电量关系的训练样本，进行数据筛选和处理，建立发电量预测的数据库，形成基本特征库；

步骤(s3)，利用建立好的特征库，采用机器学习方法，进行发电量预测模型分析；

步骤(s4)，建立更新的特征库；

步骤(s5)，利用预报中获得的天气特征以及处理得到的新特征，输入发电量预测模型，进行发电量预测。

2.根据权利要求1所述的一种短期光伏发电量预测方法，其特征在于，步骤(s1)中分析光伏发电量Q的影响因素，进行多层次特征的数据挖掘，确定天气特征信息的特征集{c}包括月份(m)、昼长(dl)、天气(w)、时刻(t)、辐射量(r)、实时温度(T_a)、湿度(h)、风力(df)、风向(dr)、7日内大雨天数(hr)、7日内小雨天数(lr)、7日内大风天数(hw)、7日内无风天数(nr)，即{c}＝{m,dl,w,t,r,T_a,h,df,dr,hr,lr,hw,nr}，建立发电量与各因素的函数关系式，所述函数关系式为：Q＝f(c)。

3.根据权利要求2所述的一种短期光伏发电量预测方法，其特征在于，多层次特征包括第一层特征、第二层特征以及第三层特征，第一层特征：将光伏发电量的影响因素解释为太阳能来源和太阳能转化两个新特征；第二层特征：对于第一层特征中提出的新特征，进行深一步分析，将太阳能来源分解为辐射强度和太阳辐照时间两个新的特征，将太阳能转化分解为光伏组件的材料及年龄和灰尘遮挡的程度两个新特征；第三层特征：对于第二层特征中提出的新的特征，进行深一步分析，将太阳辐射时间分解为月份、昼长等气象因素，将辐射强度分解为辐射量、温度、时间等因素；将灰尘遮挡的程度分解为风向、风力、湿度以及7日气象特征，7日气象特征包括7日内大风天数、7日内无风天数、7日内大雨天数、7日内小雨天数。

4.根据权利要求2所述的一种短期光伏发电量预测方法，其特征在于，步骤(s1)确定了13个特征，除了辐射量、时刻、月份，其余特征均需从天气网站上获取，由多个互联网历史天气网站采集信息并进行数据的筛选、计算，得到剩余10个特征。