[发明专利]基于随机森林算法的分布式光伏日发电量预测方法和装置

权利要求书

1.一种基于随机森林算法的分布式光伏日发电量预测方法，其特征在于，包括：

模型构建过程：

获得由光伏电站的多个发电量样本组成的原始样本集合；其中，每一个所述发电量样本均对应于一个自然日；发电量样本由对应自然日的气象特征和所述光伏电站的实际发电量组成；气象特征包括多个表征对应自然日的气象条件的输入变量；

对所述原始样本集合执行N次有放回随机抽样，得到N个训练样本集合；其中，N为预设的正整数；

针对每一个所述训练样本集合，利用所述训练样本集合构建一个回归树；其中，由N个所述训练样本集合构建的N个回归树组成所述光伏电站的发电量预测模型；

其中，所述利用所述训练样本集合构建一个回归树，包括：

建立回归树的根节点，并将所述训练样本集合分配至所述根节点；

判断所述回归树的当前高度是否小于预设的高度阈值；

若所述回归树的当前高度小于所述高度阈值，将所述回归树当前的每一个叶节点均确定为待分裂节点，并为每一个所述待分裂节点确定对应的多个特征变量；其中，每一个所述特征变量，均由所述气象特征中的一个或多个输入变量组成；

针对每一个所述待分裂节点，确定所述待分裂节点对应的每一个特征变量的切分点，并利用所述待分裂节点所对应的样本集合和各个所述特征变量的切分点，计算所述待分裂节点的各个特征变量的基尼指数；

针对每一个所述待分裂节点，选取所述待分裂节点对应的基尼指数最小的特征变量作为所述待分裂节点的分裂变量；

针对每一个所述待分裂节点，以所述分裂变量的切分点作为依据，将所述待分裂节点所对应的样本集合拆分为两个样本集合，并将拆分得到的两个样本集合分配至预先创建的所述待分裂节点的两个子节点；

返回执行所述判断所述回归树的当前高度是否小于预设的高度阈值步骤；

若所述回归树的当前高度不小于所述高度阈值，输出所述回归树，以完成构建回归树的过程；

发电量预测过程：

获得待预测自然日的气象特征；

针对所述光伏电站的发电量预测模型所包含每一个所述回归树，利用所述回归树分析所述待预测自然日的气象特征，得到所述待预测自然日的一个理论发电量；

对N个所述理论发电量进行均值计算，得到所述光伏电站在所述待预测自然日的预测发电量；

所述利用所述回归树分析所述待预测自然日的气象特征，得到所述待预测自然日的一个理论发电量，包括：

将所述回归树的根节点确定为当前节点；

确定所述待预测自然日的气象特征在所述当前节点的分裂变量上的值；

以所述待预测自然日的气象特征在所述当前节点的分裂变量上的值是否大于所述当前节点的分裂变量的切分点为依据，在所述当前节点的两个子节点中确定出所述待预测自然日的气象特征所对应的节点；

将所述待预测自然日的气象特征所对应的节点确定为当前节点，返回执行所述确定所述待预测自然日的气象特征在所述当前节点的分裂变量上的值步骤，直至所述当前节点为所述回归树的叶节点为止；

计算所述当前节点所对应的样本集合中所有发电量样本的实际发电量的均值，将计算结果确定为所述待预测自然日的一个理论发电量。

2.根据权利要求1所述的方法，其特征在于，所述获得由光伏电站的多个发电量样本组成的原始样本集合，包括：

获取光伏电站在预设历史时段内的原始发电数据和原始气象数据；其中，所述原始发电数据包括所述光伏电站在所述预设历史时段内的每一个自然日的实际发电量；所述原始气象数据包括所述光伏电站在所述预设历史时段内的每一个自然日的气象数据；

对所述原始发电数据和所述原始气象数据进行数据预处理，得到所述原始样本集合；其中，所述数据预处理包括数据清洗，异常值检测和缺失值补全。

3.根据权利要求1所述的方法，其特征在于，所述利用所述训练样本集合构建一个回归树之后，还包括：

针对每一个所述回归树，从所述原始样本集合中，选取不属于构建所述回归树所用的训练样本集合的发电量样本作为所述回归树的测试样本；

针对每一个所述回归树，利用所述回归树分析所述回归树的测试样本所包含的气象特征，得到所述回归树的测试样本的理论发电量；

针对每一个所述回归树，根据所述回归树的测试样本的理论发电量和实际发电量之间的偏差，计算得到所述回归树的平均准确率。