[发明专利]一种基于条件随机场模型预测短期光伏发电系统发电量的系统模型

权利要求书

1.本发明一种基于条件随机场模型预测短期光伏发电系统发电量的系统模型的特征在于，包括：

步骤1.通过测量或取得历史光伏发电系统发电量数据；

步骤2.根据步骤1中所取得的光伏发电系统发电量数据，首先对历史光伏发电系统发电量数据进行异常分析，剔除掉极端值：

1） 数据值为小时历史光伏发电系统发电量数据:

2） 假设历史光伏发电系统发电量数据服从高斯分布:

3） 求出相应参数:

4） 如果, 则认为该值为极端值。

2.步骤3.根据步骤2的结果,去训练条件随机场模型；

条件随机场模型表示如下: 设Q是所有可能状态的集合，V是所有可能的观测集合:

其中, N是可能的状态，M是可能的观测数；

在该发明中, Q为四种状态，包括：最大值，最小值，早上七点，和晚上七点；

V定义为五种观测值，当天最大光伏发电系统发电量，当天最小光伏发电系统发电量，当天早上七点光伏发电系统发电量，当天晚上七点光伏发电系统发电量，和当天平均光伏发电系统发电量；

此外 是长度为T的状态序列，O是对应的观测序列:

其中T代表总样本天数乘以四；

条件随机场表示如下:

,其中，

意义为, 当随机变量X取值为x的情况下，随机变量Y取值y的条件概率；

是定义在概率图边上的特征函数，称为转移特征，依赖于当前和前一个位置；是定义在结点上的特征函数，称为状态特征，依赖于当前位置，和是对应的权值，是规范化因子；

步骤4.本发明采用条件随机场模型的原理是使用训练数据集来估计条件随机场的参数集，当已知了历史光伏发电系统发电量, 既，输入序列x和输出序列y，计算条件概率；

五个光伏发电系统发电量变量（最大光伏发电系统发电量，最小光伏发电系统发电量，早上七点光伏发电系统发电量，晚上七点光伏发电系统发电量和平均光伏发电系统发电量），使用此变量信息，我们的目标是预测第二天的的平均光伏发电系统发电量；输入：最大值，最小值，早上七点光伏发电系统发电量，晚上七点光伏发电系统发电量和平均光伏发电系统发电量；输出：第二天的平均光伏发电系统发电量；

首先我们采用向前-向后算法估计出第二天平均风力发电属于某种状态的可能性: ，为了方便计算，我们先将条件随机场表达式转换成矩阵形式；

对观测序列的每一个位置, 由于和在m个标记中取值，可以定义一个m介矩阵随机变量：

而矩阵随机变量的元素为:

而:

进而条件随机场也可以表示为:

(1)对每一个指标,定义前向向量:

(2)递推公式为：

表示在位置i的标记是并且从1到i的前部分标记序列的非规范化概率，可取的值有m个，所以是m维列向量；

(3)对每一个指标,定义后向向量:

(4)递推公式为：

表示在位置i的标记是并且从i+1到n的后部分标记序列的非规范化概率；

其次，从过去开始使用条件随机场的数据集中，我们找到那些实例会产生相同的“或最接近”可能性值。

3.也就是说我们找到样本的过去一天行为类似于当前的行为，并且假设第二天的光伏发电系统发电量同样应该跟随过去某天的光伏发电系统发电量变化行为。

4.我们使用相同的过去数据模式只需计算当天光伏发电系统发电量的差额，然后是当天的光伏发电系统发电量；因此，第二天平均光伏发电系统发电量预测的具体值，为前一天的平均光伏发电系统发电量加上差额，其中差额来自于最大可能性的状态。

5.本发明采用的条件随机场模型与隐马尔可夫模型最大的区别在于隐马尔可夫的观测值只取决于产生它的状态，和前后的状态无关；而条件随机场则在隐马尔可夫的基础上，考虑了观测值与前后状态的概率。

6.本发明通过基于条件随机场模型和向前算法来预测短期光伏发电系统发电量的系统模型,考虑数据自变量，为综合应用新能源发电，保障整体电网用电平稳安全，提供了一套得到有效预测数据的系统。