[发明专利]一种基于特征选择的混合Kmeans-GRA-SVR光伏发电功率预测方法

权利要求书

1.一种基于特征选择的混合Kmeans-GRA-SVR光伏发电功率预测方法，其特征在于，包括如下步骤：

步骤S1，获取多个历史光伏输出功率数据作为历史光伏输出功率数据集，并对该历史光伏输出功率数据集进行预处理得到待用历史光伏输出功率数据集；

步骤S2，获取多个气象因素数据作为气象因素数据集，并对所述气象因素数据集进行所述预处理，得到待用气象因素数据集；

步骤S3，对所述待用气象因素数据集进行特征提取，得到气象因素特征值；

步骤S4，通过多指标的K-means++算法对所述待用历史光伏输出功率数据集内的数据按季节进行聚类，得到多个簇，并根据每个所述簇内的所述历史光伏输出功率数据的平均值，分别将各个所述簇划分为理想天气簇和非理想天气簇；

步骤S5，从所述历史光伏输出功率数据集中与所述四季分别切分出对应的八个预测日，作为待测预测日，并确定每个所述待测预测日所属的簇；

步骤S6，通过GRA算法计算每个待测预测日与其所属的簇中的每个数据之间的相关度，得到相似日集和最邻近相似日集，将所述相似日集作为训练集，将所述最邻近相似日集作为验证集；

步骤S7，将所述训练集输入支持向量回归模型，根据所述训练集确定输入特征并通过网格搜索和交叉验证优化所述支持向量回归模型的惩罚因子C和核参数γ，并根据所述惩罚因子C和所述核参数γ对所述支持向量回归模型进行优化，得到优化后的所述支持向量回归模型；

步骤S8，将所述最邻近相似日集输入所述优化后的所述支持向量回归模型进行验证，输出预定结果后，得到光伏发电功率预测模型；

步骤S9，将待测数据输入所述光伏发电功率预测模型，得到光伏发电功率。

2.根据权利要求1所述的基于特征选择的混合Kmeans-GRA-SVR光伏发电功率预测方法，其特征在于：

其中，所述输入特征分为理想天气簇的输入特征和非理想天气簇的输入特征，

当所述待测预测日属于所述理想天气簇时，将最近邻相似日的功率和所述待测预测日的所述气象因素特征值作为所述理想天气簇的输入特征；

当所述待测预测日属于所述非理想天气簇时，将最近邻相似日GHI、待测预测日GHI和所述气象因素特征值作为非理想天气的输入特征。

3.根据权利要求2所述的基于特征选择的混合Kmeans-GRA-SVR光伏发电功率预测方法，其特征在于：

其中，所述GHI为全局水平辐照度。

4.根据权利要求2所述的基于特征选择的混合Kmeans-GRA-SVR光伏发电功率预测方法，其特征在于：

其中，所述最近邻相似日为在理想天气下，预测日相邻7天内相似度最高的一天作为预测日的最近邻相似日；或

非理想天气下，预测日近邻30天内相似度最高的一天最为预测日的最近邻相似日。

5.根据权利要求1所述的基于特征选择的混合Kmeans-GRA-SVR光伏发电功率预测方法，其特征在于：

其中，所述气象因素特征值包括：

全局水平辐照度的最小值、平均值和最大值；

水平散射辐照度的最小值、平均值和最大值；

相对湿度的最小值、平均值和最大值；

温度的最小值、平均值和最大值。

6.根据权利要求1所述的基于特征选择的混合Kmeans-GRA-SVR光伏发电功率预测方法，其特征在于：

其中，在步骤S5中，确定每个所述待测预测日所属的簇的方法如下：

将气象因素特征值作为每个所述簇的中心值，得到多个簇中心，计算每个所述待测预测日的气象因素特征值与每个所述簇中心之间的欧几里得距离、Pearson相关系数和GRA相关度，从而每个所述待测预测日所属的簇。