[发明专利]基于Adaboost聚类和马尔科夫链的分布式光伏超短期预测方法

摘要

本发明涉及分布式光伏发电系统技术领域，具体涉及基于Adaboost聚类和马尔科夫链的分布式光伏超短期预测方法，包括以下步骤：1、采用滑动平均法提取光照强度序列的确定性分量，统计分析得到不同天气类型的光照强度衰减因子；2、采用Adaboost改进的KNN方法对历史数据聚类分析，建立分类模型；3、采用多阶加权马尔科夫链方法预测地表太阳辐照度；4、建立光电转换模型，完成光伏功率超短期预测。本发明提出对输入数据进行特征提取及数据挖掘的组合预测方法，将历史光伏出力数据按典型天气类型归类后，通过引入天气类型衰减因子对预测过程中的状态进行细化，不仅在晴朗天气下能取得较好的预测效果，还提高了非晴朗天气下的预测精度及准确度。

主权项

1.基于Adaboost聚类和马尔科夫链的分布式光伏超短期预测方法，其特征在于，包括以下步骤：/n步骤1、采用滑动平均法提取太阳辐照度序列的确定性分量，统计分析得到不同天气类型的太阳辐照度衰减因子；/n步骤2、采用Adaboost改进的KNN方法对历史数据进行聚类分析，建立分类预测模型；/n步骤3、采用多阶加权马尔科夫链方法预测地表太阳辐照度；/n步骤4、建立光电转换模型，完成光伏功率超短期预测；/n步骤1的实现包括：/n1.1采用滑动平均法滤除太阳辐照度的随机波动分量，提取确定性分量并选择该确定性分量作为聚类分析的特征变量；/n