[发明专利]系统及其数据短期预测方法和装置、存储介质

权利要求书

1.一种系统数据短期预测方法，其特征在于，包括：

预先建立系统数据短期预测模型，其中，所述系统数据短期预测模型包括残余函数的长短期记忆网络模型和每个本征模式函数对应的长短期记忆网络模型；

获取第一预定时间段的系统数据，其中系统数据为光伏系统发电量数据、光伏系统用电量数据或风电系统风功率数据，系统数据不包括气象数据；

采用集合经验模态分解方法对第一预定时间段的系统数据进行分解，获取残余函数和多个本征模式函数，其中本征模式函数包含高阶本征模式函数和低阶本征模式函数，高阶本征模式函数包括趋势性影响因素和随机性影响因素，高阶本征模式函数包含的趋势性影响因素多于高阶本征模式函数包含的随机性影响因素，趋势性影响因素包括季节因素和气象因素的至少一项，低阶本征模式函数包括趋势性影响因素和随机性影响因素，低阶本征模式函数包含的随机性影响因素多于低阶本征模式函数包含的趋势性影响因素，随机性影响因素包括人为因素和随机因素的至少一项，残余函数表示系统数据的变化趋势；

将残余函数和多个本征模式函数分别输入对应的长短期记忆网络模型，获取残余函数的预测结果和每个本征模式函数的预测结果；

将残余函数的预测结果和每个本征模式函数的预测结果相加获取系统预测数据；

其中，所述预先建立系统数据短期预测模型包括：

获取第二预定时间段的系统数据；

采用集合经验模态分解方法对系统数据进行分解，获取残余函数和多个本征模式函数；

采用残余函数和多个本征模式函数分别训练对应的长短期记忆网络模型，其中，所述长短期记忆网络模型可采用第一预定时间段的系统数据预测预定预测时间段的系统预测数据。

2.根据权利要求1所述的系统数据短期预测方法，其特征在于，还包括：

对第一预定时间段的系统数据进行数据预处理，之后执行采用集合经验模态分解方法对第一预定时间段的系统数据进行分解的步骤。

3.根据权利要求1或2所述的系统数据短期预测方法，其特征在于，所述预先建立系统数据短期预测模型还包括：

对第二预定时间段的系统数据进行数据预处理，之后执行采用集合经验模态分解方法对第二预定时间段的系统数据进行分解的步骤。

4.一种系统数据短期预测装置，其特征在于，包括：

模型建立模块，用于预先建立系统数据短期预测模型，其中，所述系统数据短期预测模型包括残余函数的长短期记忆网络模型和每个本征模式函数对应的长短期记忆网络模型；

数据获取模块，用于获取第一预定时间段的系统数据，其中系统数据为光伏系统发电量数据、光伏系统用电量数据或风电系统风功率数据，系统数据不包括气象数据；

分解模块，用于采用集合经验模态分解方法对第一预定时间段的系统数据进行分解，获取残余函数和多个本征模式函数，其中本征模式函数包含高阶本征模式函数和低阶本征模式函数，高阶本征模式函数包括趋势性影响因素和随机性影响因素，高阶本征模式函数包含的趋势性影响因素多于高阶本征模式函数包含的随机性影响因素，趋势性影响因素包括季节因素和气象因素的至少一项，低阶本征模式函数包括趋势性影响因素和随机性影响因素，低阶本征模式函数包含的随机性影响因素多于低阶本征模式函数包含的趋势性影响因素，随机性影响因素包括人为因素和随机因素的至少一项，残余函数表示系统数据的变化趋势；

预测结果确定模块，用于将残余函数和多个本征模式函数分别输入对应的长短期记忆网络模型，获取残余函数的预测结果和每个本征模式函数的预测结果；

预测数据获取模块，用于将残余函数的预测结果和每个本征模式函数的预测结果相加获取系统预测数据；

其中，模型建立模块用于获取第二预定时间段的系统数据；采用集合经验模态分解方法对系统数据进行分解，获取残余函数和多个本征模式函数；采用残余函数和多个本征模式函数分别训练对应的长短期记忆网络模型，其中，所述长短期记忆网络模型可采用第一预定时间段的系统数据预测预定预测时间段的系统预测数据。

5.根据权利要求4所述的系统数据短期预测装置，其特征在于，所述系统数据短期预测装置用于执行实现如权利要求1-3中任一项所述的系统数据短期预测方法的操作。