[发明专利]多阶光伏发电功率预测方法和系统

权利要求书

1.一种多阶光伏发电功率预测方法，其特征在于，包括：

步骤1：获取光伏发电数据并进行预处理；

步骤2：对预处理后的数据进行维度扩充、降维处理和特征标准化；

步骤3：构建功率预测模型，通过功率预测模型进行一阶功率预测，并对一阶功率预测结果进行归一化处理；

步骤4：基于特征处理后的数据和一阶功率预测结果进行二阶功率预测，得到最终功率预测结果。

2.根据权利要求1所述的多阶光伏发电功率预测方法，其特征在于，所述步骤1包括：

数据清洗：将数据中的离群值、不符合预设条件的数值进行剔除，并按预设频率对数据进行采样；

数据补齐：采用临近值线性插值或者均值对数据空值进行补齐；

对于预设小范围连续时间段的数据缺失，采用三次样条时序插值；

对于预设大范围连续时间段数据缺失，将当日数据剔除，再进行时序插值操作。

3.根据权利要求1所述的多阶光伏发电功率预测方法，其特征在于，所述步骤2包括：

根据时间戳数据、时序值和时序值的属性变量进行维度扩充；

采用主成分分析，从多维数据中剔除与预测结果相关性不符合预设条件的数据；

通过线性函数将原始数据线性化，转换到[01]的范围。

4.根据权利要求1所述的多阶光伏发电功率预测方法，其特征在于，所述步骤3包括：根据梯度下降树算法进行一阶功率预测，通过多轮迭代，每轮迭代产生一个弱分类器，每个弱分类器在上一轮弱分类器的残差基础上进行训练，最终将每轮训练得到的弱分类器加权求和得到总分类器。

5.根据权利要求1所述的多阶光伏发电功率预测方法，其特征在于，所述步骤4包括：采用长短期记忆人工神经网络LSTM算法进行二阶预测，输入为特征处理后的时序数据和一阶功率预测结果；

LSTM算法参数设置为：单层LSTM；单元数Cell＝100；Adam优化器；批处理参数Batch_size＝96。

6.一种多阶光伏发电功率预测系统，其特征在于，包括：

模块M1：获取光伏发电数据并进行预处理；

模块M2：对预处理后的数据进行维度扩充、降维处理和特征标准化；

模块M3：构建功率预测模型，通过功率预测模型进行一阶功率预测，并对一阶功率预测结果进行归一化处理；

模块M4：基于特征处理后的数据和一阶功率预测结果进行二阶功率预测，得到最终功率预测结果。

7.根据权利要求6所述的多阶光伏发电功率预测系统，其特征在于，所述模块M1包括：

数据清洗：将数据中的离群值、不符合预设条件的数值进行剔除，并按预设频率对数据进行采样；

数据补齐：采用临近值线性插值或者均值对数据空值进行补齐；

对于预设小范围连续时间段的数据缺失，采用三次样条时序插值；

对于预设大范围连续时间段数据缺失，将当日数据剔除，再进行时序插值操作。

8.根据权利要求6所述的多阶光伏发电功率预测系统，其特征在于，所述模块M2包括：

根据时间戳数据、时序值和时序值的属性变量进行维度扩充；

采用主成分分析，从多维数据中剔除与预测结果相关性不符合预设条件的数据；

通过线性函数将原始数据线性化，转换到[01]的范围。

9.根据权利要求6所述的多阶光伏发电功率预测系统，其特征在于，所述模块M3包括：根据梯度下降树算法进行一阶功率预测，通过多轮迭代，每轮迭代产生一个弱分类器，每个弱分类器在上一轮弱分类器的残差基础上进行训练，最终将每轮训练得到的弱分类器加权求和得到总分类器。

10.根据权利要求6所述的多阶光伏发电功率预测系统，其特征在于，所述模块M4包括：采用长短期记忆人工神经网络LSTM算法进行二阶预测，输入为特征处理后的时序数据和一阶功率预测结果；

LSTM算法参数设置为：单层LSTM；单元数Cell＝100；Adam优化器；批处理参数Batch_size＝96。