[发明专利]基于同步挤压小波变换的光伏功率多模型综合预测方法

权利要求书

1.一种基于同步挤压小波变换的光伏功率多模型综合预测方法，其特征在于，包括以下步骤：

(1)获取光伏功率短期预测所需的基本原始数据，包括光伏功率历史数据，温度、风速、气压这些环境气象数据，并对原始数据进行预处理，剔除异常值；

(2)将预处理后的光伏功率数据按照天气状况不同，分为晴天、阴天、雨天和多云四种类型，从而对不同光伏功率出力曲线建立相应预测模型，提高预测精度；

(3)采用同步挤压小波变换对不同天气类型下的光伏功率数据自适应分解为一系列特征互异的模态函数；

(4)对每一模态函数进行归一化处理；

(5)从光伏功率历史数据、温度、风速、气压这些影响因素中确定输入变量集合；

(6)对每一模态函数建立BP神经网络、支持向量机、高斯过程回归相结合的多模型综合预测方法；

(7)将不同模态函数预测结果叠加，获得最终的光伏功率短期预测值。

2.如权利要求1所述的基于同步挤压小波变换的光伏功率多模型综合预测方法，其特征在于，

步骤(3)采用同步挤压小波变换对不同天气类型下的光伏功率数据自适应分解为一系列特征互异的模态函数，所述同步挤压小波变换以连续小波变换为基础，目的是准确分离出信号f(t)的m个具有单一频率的分量fk(t)；同步挤压小波变换具体计算过程为：

(2.1)设多分量信号f(t)的表达式为

f ( t ) = Σ k = 1 m f k ( t ) + r ( t ) ]]>

其中：fk(t)为待求的第k个具有单一频率的分量即f(t)的第k个模态函数，即fk(t)＝Ak(t)cos[φk(t)]，k＝1,2,…,m，m为分解的分量总个数；Ak(t)为分量fk(t)瞬时幅值，φk(t)＝wkt为信号频率；r(t)为余量；

(2.2)同步挤压小波变换能够分析上述合成信号各组成分量的时频特性,通过细化小波变换的时频曲线，从而有效提取每一分量的幅值因子Ak(t)及瞬时频率φk(t)；另外，同步挤压小波变换以小波变换为基础，首先对信号f(t)做连续小波变换可得小波系数Wf(a,b)，即

W f ( a , b ) = ∫ - ∞ + ∞ f ( t ) a - 1 2 ψ * ( t - b a ) d t ]]>

其中a、b分别为尺度、平移动因子，为小波函数的共轭复数；

(2.3)对最简单的简谐波函数f(t)＝Acos(wt)，假设小波函数ψ具有快速衰减特性，依据Plancherel定理，可得小波系数的频率域等价变换形式为

W f ( a , b ) = 1 2 π ∫ f ^ ( ϵ ) a 1 2 ψ ^ * ( a ϵ ) e i b ϵ d ϵ ]]>

其中：ε为频域内的角频率，分别为f(t)及ψ(t)的傅里叶变换；i为虚数单位；

(2.4)将f(t)的傅里叶变换表示为将其代入小波系数的频率域等价变换形式可得

W f ( a , b ) = A 4 π a 1 2 ψ ^ * ( a w ) e i b ϵ ]]>

得：若在负频率域趋于零，且在ε＝w0处集中，则系数Wf(a,b)将在尺度处集中分布；

(2.5)通过对小波系数求偏导可估计瞬时频率为

w f ( a , b ) = - i ( W f ( a , b ) ) - 1 ∂ ∂ b W f ( a , b ) , | W f ( a , b ) | > 0 ∞ , | W f ( a , b ) | = 0 ]]>

通过此步骤可将小波系数Wf(a,b)在时间-尺度平面转化到时间-频率平面；

(2.6)小波系数的同步挤压变换量值Tf(wl,b)可通过挤压任一中心频率wl附近区间的值获得；其中：Δw＝wl-wl-1；

同步挤压变换量则可表示为

T f ( w l , b ) = Δw - 1 Σ a k : | w f ( a k , b ) - w l | ≤ 1 2 Δ w W f ( a k , b ) a k - 3 / 2 Δa k ]]>

式中：ak为离散尺度，且ak-ak-1＝(Δa)k；

则同步挤压小波变换的反变换为：

f ( t ) = Re [ C ψ - 1 Σ l T f ( w l , b ) ( Δ w ) ] ]]>

式中：Re为取实部计算；通过反变换即可实现信号的近似完全重构。