[发明专利]基于多种结合策略集成学习的新能源功率预测方法和系统

权利要求书

1.一种基于多种结合策略集成学习的新能源功率预测方法，其特征在于，所述方法包括：

根据目标预测对象，获取样本新能源数据；所述样本新能源数据包括训练新能源数据和验证新能源数据；所述目标预测对象包括风电场和光伏电站；

通过所述训练新能源数据训练得到多个初级预测模型；进一步包括：根据目标预测类型，确定对应的预测参数，根据所述预测参数从所述训练新能源数据中确定出每一训练步长的输入变量和实际输出变量；将所述输入变量分别输入多个待训练的初级预测模型中，得到各待训练的初级预测模型的预测结果；基于所述预测结果与所述实际输出变量之间的损失值，对各所述待训练的初级预测模型进行训练，得到所述多个初级预测模型；所述输入变量包括当前预测周期的历史天气预报数据和前一预测周期的历史功率，所述实际输出变量表示当前预测周期的历史功率；所述目标预测类型包括短期预测和超短期预测，所述预测参数包括预测时间段、时间分辨率和滚动预测周期，所述时间分辨率为15分钟；

通过预设的多种集成指令，分别对所述多个初级预测模型进行集成处理，得到多个集成预测模型；

根据各所述集成预测模型的性能指标，从所述多个集成预测模型中确定出目标预测模型，通过所述目标预测模型进行新能源功率预测。

2.根据权利要求1所述的方法，其特征在于，所述根据目标预测对象，获取样本新能源数据，包括：

根据所述目标预测对象，确定天气预报数据类型和功率类型；

根据所述天气预报数据类型，获取所述目标预测对象的历史天气预报数据，以及根据所述功率类型，获取所述目标预测对象的历史功率数据；

基于所述历史天气预报数据和所述历史功率数据，得到所述样本新能源数据。

3.根据权利要求2所述的方法，其特征在于，所述基于所述历史天气预报数据和所述历史功率数据，得到所述样本新能源数据，包括：

基于所述历史天气预报数据和所述历史功率数据，得到初始样本新能源数据；

对所述初始样本新能源数据中符合预设剔除条件的数据进行剔除处理、和/或对所述初始样本新能源数据中的负功率数据进行置零处理，和/或对所述样本新能源数据中的缺失数据进行插补处理，得到处理后的样本新能源数据；

对所述处理后的样本新能源数据进行标准化处理，得到所述样本新能源数据。

4.根据权利要求1所述的方法，其特征在于，所述通过预设的多种集成指令，分别对所述多个初级预测模型进行集成处理，得到多个集成预测模型，包括：

获取所述多个初级预测模型的均值系数；所述均值系数用于对各所述初级预测模型的预测结果进行平均处理；

基于所述均值系数和各所述初级预测模型，得到第一集成预测模型。

5.根据权利要求1所述的方法，其特征在于，所述通过预设的多种集成指令，分别对所述多个初级预测模型进行集成处理，得到多个集成预测模型，还包括：

将所述训练新能源数据中的输入变量输入各所述初级预测模型，得到各所述初级预测模型的预测结果；

基于各所述初级预测模型的预测结果的预测准确率，获取各所述初级预测模型的权重；所述预测准确率基于所述预测结果和所述验证新能源数据中的实际输出变量得到；

基于各所述初级预测模型和各所述初级预测模型对应的权重，得到第二集成预测模型。

6.根据权利要求1所述的方法，其特征在于，所述通过预设的多种集成指令，分别对所述多个初级预测模型进行集成处理，得到多个集成预测模型，还包括：

将所述验证新能源数据中的输入变量输入各所述初级预测模型，得到各所述初级预测模型的预测结果；

通过所述预测结果和所述新能源数据中的实际输出变量，对待训练的次级预测模型进行训练，得到训练完成的次级预测模型；

基于各所述初级预测模型和所述训练完成的次级预测模型，得到第三集成预测模型。