[发明专利]基于主成分分析和改进LSTM的光伏功率预测方法及系统

权利要求书

1.一种基于主成分分析和改进LSTM的光伏功率预测方法，其特征在于，包括以下步骤：

(1)获得预设时间内光伏功率数据，对数据使用主成分分析法进行特征选择并降维处理，将使用主成分分析法处理后的光伏数据作为输入；

(2)将经过步骤(1)降维处理的光伏数据集划分为训练集和测试集；

(3)使用莱维levy飞行对正余弦算法的位置更新部分进行改进，使用爬山搜索对正余弦算法局部搜索部分进行改进，利用改进后的正余弦算法ISCA对长短期记忆网络LSTM隐含层神经元个数和最大训练次数进行优化；

(4)建立ISCA-LSTM模型，使用训练集中数据对此模型进行训练，采用训练好ISCA-LSTM模型对测试集样本进行预测，得到测试样本预测值，使用均方误差、平均绝对标度误差，决定系数对预测值和实际值进行误差指标分析，判断本模型的有效性。

2.根据权利要求1所述基于主成分分析和改进LSTM的光伏功率预测方法，其特征在于，所述步骤(1)包括以下步骤：

(11)输入原始数据集矩阵X，并去均值；

(12)计算原始数据矩阵的协方差矩阵其中，n为样本数量；

(13)使用特征值分解方法求协方差矩阵的特征值和特征向量；

(14)对特征值进行排序，选择其中特征值最大的y个，将其对应的y个特征向量组成的矩阵Z；

(15)将原始数据集矩阵X右乘特征向量矩阵Z得到新矩阵P，即P＝ZX，得到的矩阵P作为新的输入矩阵。

3.根据权利要求1所述基于主成分分析和改进LSTM的光伏功率预测方法，其特征在于，步骤(2)所述的训练集占80％，测试集占20％。

4.根据权利要求1所述基于主成分分析和改进LSTM的光伏功率预测方法，其特征在于，所述步骤(3)包括以下步骤：

(31)初始化正余弦算法的种群规模，最大迭代次数以及位置维度；

(32)计算初始位置，将适应度最好的最优个体设为当前位置，更新位置使用的公式为：

其中，表示在第t次迭代中个体i的位置；K_j^t表示种群的当前最优位置；r₂、r₃、r₄是服从均匀分布的随机数，r₂∈[0，2π]，r₃∈[－2，2]，r₄∈[0，1]，r₁是控制参数；并且r₁通过式(1)进行调整；

(33)在正余弦算法基础上使用Levy飞行改进控制参数r₁，更新公式如下：

其中，Levy(β)服从参数为β的Levy分布，0β2，μ服从N(0,σ²)分布，ν服从N(0,1)分布，σ可由下式得到：

其中，Γ表示Gamma分布函数，本发明中β取1.5；

(34)在正余弦算法的基础上，采用爬山局部搜索对算法的搜索部分进行改进。