[发明专利]一种光伏概率预测方法

摘要

本发明公开了一种光伏概率预测方法，包括(1)收集光伏电站历史数据并对历史出力数据进行序列分解；(2)随机生成输入层‑隐层权重及偏置；(3)设定概率预测区间期望覆盖率；(4)训练网络，确定隐层‑输出层的权值；(5)输入数据，获取输出预测区间。本发明以光伏电站历史出力作为模型输入，解决了光伏阵列的安装位置随机性和光伏阵列的使用时间等对转换效率的影响，提高预测准确性；对历史数据进行序列分解，可更有效判别不同因素对出力的影响，增强数据特征；引入极限学习机ELM思想，在保证精度的同时大幅提升训练速度；以分位数回归方式对光伏出力区间进行概率预测，对调度计划的制定有更强的参考价值。

主权项

1.一种光伏概率预测方法，其特征在于，包括：(1)收集光伏电站历史数据并对数据中的光伏出力数据进行序列分解；(2)基于单隐层神经网络模型和上述获取的光伏出力序列分解结果，利用ELM方法选取光伏电站预测日前一天的历史数据及影响预测日光伏出力的历史数据作为网络模型的输入样本，生成网络的输入层‑隐层权重及偏置；(3)以分位数回归方式对历史数据中预测日的光伏出力数据设定概率预测区间期望覆盖率；(4)将步骤(1)所得的序列分解结果作为网络训练数据集，并利用生成的网络输入层‑隐层权重和设定后的预测区间期望覆盖率，通过网络训练确定隐层‑输出层权值；(5)完成对历史数据的收集和网络的训练后，给定输入数据并输出预测日的出力预测区间。