申请/专利权人：南京师范大学

申请日：2024-03-29

公开（公告）日：2024-06-14

公开（公告）号：CN117973639B

主分类号：G06Q10/04

分类号：G06Q10/04;G06Q50/06;G06F18/213;G06F18/214;G06F18/22;G06N3/0442

优先权：

专利状态码：有效-授权

法律状态：2024.06.14#授权;2024.05.21#实质审查的生效;2024.05.03#公开

摘要：本发明公开了一种基于多尺度相似日和改进型集成算法的光伏功率预测方法，包括以下步骤：（1）根据收集到的NWP数据集，使用变异系数法计算各气象因子权重；（2）根据各气象因子的权重，采用多尺度相似日法计算预测日与各历史日气象因子的相似度，（3）利用SRCC分析特征与目标值之间的相关性，（4）使用LSTM和informer基础模型对训练集的短、长时间序列进行特征提取，采用TSCV法以Stacking集成算法作为框架生成元特征序列；（5）根据集成算法提取的元特征序列利用多元LR拟合特征序列与目标值之间的映射关系，最终得到光伏功率的预测值；本发明采用集成算法对光伏发电功率进行预测，准确度更高。

主权项：1.一种基于多尺度相似日和改进型集成算法的光伏功率预测方法，其特征在于，包括以下步骤：（1）根据收集到的NWP数据集，使用变异系数法计算各气象因子权重；包括以下步骤：（11）对气象因子历史日数据进行归一化处理，公式如下： ；其中，为第i个气象日第j个气象因子的归一化值，为第j个气象因子的值，和分别为第j个气象因子的最大值和最小值；（12）构建基于多个气象因子的特征矩阵；具体如下：设NWP数据有n个待评价样本和p个评价指标，则特征矩阵如下： ；其中，X为特征矩阵，为第n个待评价样本的第p个评价指标；（13）计算各评价指标的均值和标准差，公式如下： ； ；其中，为各评价指标的均值，为各评价指标的标准差；（14）计算各评价指标的变异系数，公式如下： ；其中，为各评价指标的变异系数，和为各评价指标的均值和标准差；（15）计算各气象因子的权重，公式如下： ；其中，为各气象因子的权重；（2）根据各气象因子的权重，采用多尺度相似日法计算预测日与各历史日气象因子的相似度，并选择相似度与预测日相近的历史日作为后续模型的训练集；包括以下步骤：（21）计算气象因子在历史日与预测日之间的DTW距离；（22）计算历史日与预测日之间的马氏距离，公式如下： ； ；其中，X和Y为两个N维变量，为X和Y之间的协方差矩阵，为所求得的历史日与预测日之间的马氏距离；（23）计算多尺度下的相似度，公式如下： ；其中，n为影响光伏发电的气象因子的个数，为各气象因子的权重，为第i个气象因子变量历史日与预测日之间的DTW距离，为第i个气象因子变量历史日与预测日之间的马氏距离，为多尺度相似日下历史日与预测日之间的相似度；（24）选择历史日NWP数据作为训练集，公式如下： ； ； ；其中，为相似度阈值常数，为多尺度相似日下用于训练集的历史日气象因子数据向量，为用于输入模型的训练集；（3）利用SRCC分析特征与目标值之间的相关性，并选择训练集中的特征组合作为基础模型的输入；（4）使用LSTM和informer基础模型对训练集的短、长时间序列进行特征提取，采用TSCV法以Stacking集成算法作为框架生成元特征序列；（5）根据集成算法提取的元特征序列利用多元LR拟合特征序列与目标值之间的映射关系，最终得到光伏功率的预测值。

全文数据：

权利要求：

百度查询： 南京师范大学 一种基于多尺度相似日和改进型集成算法的光伏功率预测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD