[发明专利]基于加号模型的光伏发电功率预测方法

摘要

本发明提供一种基于加号模型的光伏发电功率预测方法。所述基于加号模型的光伏发电功率预测方法包括输入数值天气预报数据作为学习加号模型的基础训练数据，使用加号策略迭代学习一个包含多个模式预测树的预测库，每次迭代学习一个模式树，拟合已构建的模式树集合在基础训练数据上的残差；使用累加方法累积预测库中每个模式树对光伏发电功率的预测结果得到最终的预测。与相关技术相比，本发明提供的基于加号模型的光伏发电功率预测方法能够有效地提高预测精度，从而具有更广泛的工程应用价值。

主权项

一种基于加号模型的光伏发电功率预测方法，其特征在于，包括：步骤1、首先选取设定时间段数据采集模块采集的实际历史气象数据及光伏电站的输出功率，作为用于学习模型的训练样本集D；步骤2、使用训练样本集D，迭代学习每个模式树，对于第i迭代，使用如下步骤学习模式树Ti；步骤2.1、修订训练数据集得到新训练数据集Di，修改的方法为：设置每个实例xj∈D的输出功率为前i‑1个模式树的残差值，即：yj=yj-Σk=1i-1Tk(xj)]]>其中，Tk(xj)为库中第k棵模式树在实例xj上的预测值；步骤2.2、在Di上，使用贪心方法训练模式树Ti，训练过程为：(1)构建一个结点作为根结点，(2)如果Di中输出功率的标准差为0或Di中的实例数小于给定的阈值，则设置结点为叶结点，该叶结点输出为Di中输出功率的均值，(3)否则，使用目标函数搜索测试条件，根据测试条件划分Di到两个不同的子集并构建该结点的两个孩子结点，(4)对于每个子集，重复步骤(2)和步骤(3)；目标函数为：SDR=sd(Dt)-Σk|Dtk||Dt|×sd(Dtk)]]>其中，Dt为当前结点t对应的数据集，Dtk是到达结点t的孩子结点k的数据集，sd(D)为D的标准差；步骤3、对于新的待预测样本xj，使用累加的方法累积每个模式树预测结果得到模型最终的预测结果；累积方法对应的函数为：f(xj)=Σi=1MTi(xj)]]>其中Ti(xj)为库中第i棵模式树在实例xj上的预测值，具体预测方法为：根据模式树内部结点的测试条件，沿着某条路径，分派待预测实例到相应的叶结点，该叶结点直接给出预测值。