[发明专利]一种光伏发电功率的预测方法、存储介质及终端设备

权利要求书

1.一种光伏发电功率的预测方法，其特征在于，包括：

将历史气象数据样本集输入至分类模型，通过分类模型得出第一气象类型训练集；

将实时气象数据样本集输入至分类模型，分类模型根据实时气象数据样本集对第一气象类型训练集进行滚动校验，并得出第二气象类型训练集；

将第二气象类型训练集输入至动态组合预测模型，通过动态组合预测模型得出第一预测数据；

将第一预测数据输入至验证模型，通过验证模型得出第二预测数据；所述第二预测数据为光伏发电功率的预测数据；

所述分类模型采用脊回归分类模型对历史气象数据样本集进行训练，得出第一气象类型训练集；

通过监测机构采集每15分钟的气象数据和光伏发电量数据，跟踪温度、湿度、风速、辐射量以及发电量的实时变化情况；并且将每15分钟所采集到的气象数据和光伏发电量数据作为实时气象数据样本集添加入数据库，所述分类模型根据实时气象数据样本集对第一气象类型训练集进行滚动校验；

所述动态组合预测模型包括若干预测模型；所述动态组合预测模型由贝叶斯岭回归模型、线性回归模型、高斯回归模型、多层感知机模型、支持向量机模型组成；

将第二气象类型训练集分别输入至若干预测模型，通过若干预测模型得出若干第一预测数据；

将若干第一预测数据输入至验证模型，对若干第一预测数据进行交叉验证，得出第二预测数据；通过所述验证模型对若干第一预测数据进行交叉验证，对各个第一预测数据进行评分，并自动选择某时刻得分较高和表现较好的模型用作该时刻的光伏发电功率预测；

所述交叉验证的过程如下：先将第一预测数据打乱，然后再将打乱后的数据均匀分成k份，轮流选择其中的k-1份作为训练集，剩下的一份作验证，计算模型的误差平方和，并且迭代进行k次后将k次的误差平法和做平均作为选择最优模型的依据。

2.根据权利要求1所述的一种光伏发电功率的预测方法，其特征在于，所述将历史气象数据样本集输入至分类模型，通过分类模型得出第一气象类型训练集，之前，还包括：

获取同时段的历史气象数据和历史光伏发电量数据；

对同时段的历史气象数据和历史光伏发电量数据进行参数特征相关性分析，并得出历史气象数据样本集。

3.根据权利要求2所述的一种光伏发电功率的预测方法，其特征在于，所述对同时段的历史气象数据和历史光伏发电量数据进行参数特征相关性分析，并得出历史气象数据样本集，具体包括：

将历史气象数据和历史光伏发电量数据进行离差标准化处理，得到第一训练集；

选取同时段的发电量均值作为分类标准，对第一训练集标定分类标签，并得到第二训练集，所述第二训练集为历史气象数据样本集。

4.根据权利要求2所述的一种光伏发电功率的预测方法，其特征在于，所述对同时段的历史气象数据和历史光伏发电量数据进行参数特征相关性分析，并得出历史气象数据样本集，具体包括：

通过皮尔逊相关系数法对同时段的历史气象数据和历史光伏发电量数据进行参数特征相关性分析，并得出历史气象数据样本集。

5.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有一个或多个程序，所述一个或多个程序可被一个或多个处理器执行，以实现如权利要求1-4任一项所述的光伏发电功率预测方法中的步骤。

6.一种终端设备，其特征在于，包括：处理器、存储器及通信总线；所述存储器上存储有可被所述处理器执行的计算机可读程序；

所述通信总线实现处理器和存储器之间的连接通信；

所述处理器执行所述计算机可读程序时，实现如权利要求1-4任一项所述的光伏发电功率预测方法中的步骤。