[发明专利]基于灰色关联度的变权重组合光伏出力预测方法

权利要求书

1.基于灰色关联度的变权重组合光伏出力预测方法，其特征在于，包括以下步骤：

步骤1、在设定时间跨度内以设定的时间间隔采集历史数据；

步骤2、使用步骤1采集的历史数据，选取两种单一模型，并通过单一模型对光伏出力进行独立预测，将单一模型独立预测数据作为预测序列，将历史实测数据作为参考序列；

步骤3、采用均值化方法对步骤2生成的预测序列与参考序列均值化处理；

步骤4、利用灰色关联度法，计算经步骤3均值化处理后的单一模型预测序列与参考序列之间灰色关联度以及相应的权重；

步骤5、将训练时段中单一模型预测序列和权重比构成矩阵作为神经网络输入的训练样本和目标，将测试时段中单一模型的预测序列作为测试样本，经过神经网络训练可得出测试时段中两个独立模型与历史实测值之间的权重比，最终确定预测时段权重矩阵；

步骤6、将所得预测时段权重矩阵用于灰色关联度理论组合预测；

步骤7、利用平均绝对百分比误差和均方根误差两种预测误差来评价单一模型以及组合预测模型的精度。

2.根据权利要求1所述的基于灰色关联度的变权重组合光伏出力预测方法，其特征在于：

在所述步骤1中，历史数据包括：光伏功率数据、温度和太阳辐射度数据。

3.根据权利要求1所述的基于灰色关联度的变权重组合光伏出力预测方法，其特征在于：

在所述步骤2中，单一预测模型选取LSSVM模型、RBFNN模型或BPNN模型；

其中，LSSVM模型是指最小二乘支持向量机模型，RBFNN模型是指径向基神经网络模型，BPNN模型是指反向传播神经网络模型。

4.根据权利要求3所述的基于灰色关联度的变权重组合光伏出力预测方法，其特征在于：

两种单一预测模型为LSSVM模型和RBFNN模型。

5.根据权利要求4所述的基于灰色关联度的变权重组合光伏出力预测方法，其特征在于：

单一预测模型工作，LSSVM模型输出预测序列记为X₁＝{x₁(k)}_k＝1,2...,n和RBFNN模型输出预测序列记为X₂＝{x₂(k)}_k＝1,2...,n，历史实测序列作为参考序列记为X₀＝{x₀(k)}_k＝1,2...,n，其中k表示序列中的第k个数据，即序列中按照时间顺序排列的数据的历史时刻，并且数据样本数目为n。

6.根据权利要求5所述的基于灰色关联度的变权重组合光伏出力预测方法，其特征在于：

将预测序列与历史实测序列数据均值化处理，

LSSVM模型输出功率预测序列数据的均值化处理为

其中，x₁(k)为LSSVM模型输出功率预测序列中数值，n为数据样本数目，x_E1(k)为LSSVM模型输出功率预测序列均值化转换之后的数值；

所述RBFNN模型输出功率预测序列数据的均值化处理为

其中，x₂(k)为RBFNN模型输出功率预测序列中数值，n为数据样本数目，x_E2(k)为RBFNN模型输出功率预测序列均值化转换之后的数值；

历史实测值序列数据的均值化处理为

其中，x₀(k)为历史实测序列中历史功率实测值，n为数据样本数目，x_E0(k)为历史实测值序列均值化转换之后的数值。