[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

说明书

本发明公开了一种基于主成分分析和改进LSTM的光伏功率预测方法及系统，所述方法包括：(1)获取一定时间内光伏功率数据，并使用主成分分析法对原始数据进行降维，提升数据处理的速度；(2)将处理好的数据集分为训练集和测试集；(3)使用莱维飞行和爬山搜索改进正余弦算法，用改进后的正余弦算法优化长短期记忆网络LSTM的隐含层神经元个数和最大训练次数；(4)建立ISCA‑LSTM模型，并使用训练集中数据训练模型；(5)将测试集中数据输入训练好的ISCA‑LSTM模型，得到预测结果，并计算均方误差、平均绝对标度误差，决定系数判断本模型的有效性。本发明与传统预测模型相比，展现出了更为优异的预测精度，能够进一步提高光伏功率预测的准确性。

技术领域

本发明属于光伏功率预测技术领域，具体涉及一种基于主成分分析和改进LSTM的光伏功率预测方法及系统。

背景技术

随着我国不断发展，化石燃料也在大量的使用，这造成化石能源的短缺以及环境污染越发严重，大力发展可再生的清洁能源是我国目前的主要目标。光伏发电在我国经过一系列发展已经小有规模，但随着光伏发电大容量的并入电网，输出功率的随机性必然会对电网安全稳定运行造成较大的影响。由于光伏电站的功率具有随机性和波动性，若是能准确的对光伏功率进行预测，就能够有效防止电网过载，提高电网运行的稳定性。

目前光伏功率预测有两种主要的方法，一种是间接预测，另一种是直接预测。间接预测需要对光伏系统安装地的太阳辐射进行预测，并将得到的太阳辐射数据导入相应的模型中即可得到光伏系统的功率预测值；直接预测只需要历史光伏功率数据，无需太阳辐射数据就可以预测未来一段时间内的光伏功率。

由于间接预测需要把太阳辐射导入一定模型才能得到光伏功率，此过程中会造成预测精度过低，过程也比较复杂，需要多个设备才能得到结果。本发明只需要历史的光伏功率，不需要其他繁琐的步骤，就能得到良好的预测结果。

发明内容

发明目的：为解决上述技术问题，本发明提供一种基于主成分分析和改进LSTM的光伏功率预测方法及系统，克服现阶段光伏功率预测能力差，精度过低的缺点。

技术方案：本发明提出一种基于主成分分析和改进LSTM的光伏功率预测方法，具体包括以下步骤：

(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。

进一步地，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。

进一步地，步骤(2)所述的训练集占80％，测试集占20％。

进一步地，所述步骤(3)包括以下步骤：