[发明专利]主成分分析法和Resnet网络的光伏设备发电量损耗预测方法

权利要求书

1.主成分分析法和Resnet网络的光伏设备发电量损耗预测方法，其特征在于，包括以下步骤：

S1数据处理：计算不同光伏设备类型的设备类型指数，并获取影响光伏设备发电量损耗的内部因素数据；

S2预测评估模型的建立：在所述影响光伏设备发电量损耗的因素中，通过主成分分析法构建主成分因素，并以主成分因素为模型输入参数，依据Resnet网络方法构建，分别构建主体序列预测评估模型和细节序列预测评估模型；

S3预测日前一天数据的获取：获取预测日前一天光伏设备发电量耗损序列，并利用基于集合经验模态分解法将其前一日光伏设备发电量耗损序列分解成主体部分和细节部分；

S4序列值的输出：分别对主体部分和细节部分，利用对应的预测评估模型预测，得到主体部分预测值和细节部分预测值；

S5预测值的获得：将主体部分预测值和细节部分预测值利用小波重构，得到光伏设备发电量损耗的预测值，进而得到预测日光伏设备发电量损耗序列预测值。

2.根据权利要求1所述的主成分分析法和Resnet网络的光伏设备发电量损耗预测方法，其特征在于，所述步骤S1数据处理中，计算不同光伏设备类型的设备类型指数具体为：利用归一化法，根据不同光伏设备发电量耗损数据的大小，将设备类型映射为设备类型指数以反映设备类型对光伏发电量损耗的影响。

3.根据权利要求2所述的主成分分析法和Resnet网络的光伏设备发电量损耗预测方法，其特征在于，所述计算每种设备类型的设备类型指数具体为：

依据设备类型将光伏电量损耗曲线进行分组；

计算每一组光伏电路耗损曲线逐点的平均值，即得每种设备类型的平均发电量损耗曲线；

将每种设备类型的平均发电量损耗曲线，利用归一法计算每种设备类型的设备类型指数。

4.根据权利要求1所述的主成分分析法和Resnet网络的光伏设备发电量损耗预测方法，其特征在于，所述步骤S1数据处理中，获取影响光伏设备发电量损耗的内部因素数据具体为：获取待预测光伏设备的汇流箱温度、汇流箱输出总功率、逆变器转换效率、逆变器温度、逆变器总输入功率、逆变器输出功率、箱变绕组温度和光伏组件效率，作为内部因素数据。

5.根据权利要求1所述的主成分分析法和Resnet网络的光伏设备发电量损耗预测方法，其特征在于，所述步骤S2预测评估模型的建立具体为：

其中，光伏设备发电量损耗预测模型中的A₁指预测日前一日的主体部分，B₁是预测日前一天的设备类型指数，B₂是预测日的设备类型指数，C₁,C₂分别是预测日前一天和预测日当天的影响因素数据，D是预测日前一日的细节部分，是待预测日设备发电量损耗序列的主体部分的预测值，是预测日设备发电量损耗序列的细节部分的预测值；

是依据预测日前一日的主体部分、预测日前一日的设备类型指数、预测日的设备类型指数、预测日前一日的影响因素以及预测日的影响因素所建立的光伏设备发电量损耗主体序列预测估计模型；

及分别是依据预测日前一日的细节序列、预测日前一日的设备类型指数、预测日的设备类型指数、预测日前一日的影响因素以及预测日的影响因素所建立的光伏设备发电量损耗细节序列预测估计模型。

6.根据权利要求5所述的主成分分析法和Resnet网络的光伏设备发电量损耗预测方法，其特征在于，所述步骤S2预测评估模型的建立中，所述主成分分析法构建主成分因素具体为：采用主成分分析的正交变换法将光伏设备发电量损耗影响因素中可能存在相关性的变量转换为线性不相关变量，转换后的变量将作为光伏设备发电量损耗的主成分因素。