[发明专利]基于复合气象特征构建与选择的新能源功率预测方法

权利要求书

1.一种基于复合气象特征构建与选择的新能源功率预测方法，其特征在于，所述方法包括：

获取原始数据；所述原始数据包括历史功率数据和相应的原始数值天气预报数据；

基于所述历史功率数据和相应的原始数值天气预报数据构建高维气象特征集合；具体包括：将所述历史功率数据和相应的原始数值天气预报数据作为原始特征；针对所述原始特征进行统计分析，得到统计特征；将所述原始特征和所述统计特征作为时域特征；以db9为母小波函数针对所述时域特征进行小波分解，得到小波分解特征；针对所述时域特征进行经验模态分解，得到经验模态分解特征；将所述小波分解特征和所述经验模态分解特征作为频域特征；其中，所述历史功率数据和所述原始数值天气预报数据均关联对应于待预测时刻；基于所述时域特征和所述频域特征构建所述高维气象特征集合，具体包括：获取各个所述待预测时刻对应的前后相邻时段；将所述前后相邻时段划分为多个关联时刻；获取所述各个所述关联时刻对应的关联时域特征和关联频域特征；将所述待预测时刻对应的所述时域特征和所述频域特征、以及所述关联时刻对应的所述关联时域特征和所述关联频域特征进行组合，得到所述高维气象特征集合；

从所述高维气象特征集合中，每次选取一个特征子集，将所述特征子集依次递增地输入至功率预测模型，得到每次的一阶预测精度；通过分析所述一阶预测精度随所述特征子集增加时的变化情况，确定初选特征范围；

通过序列前向浮动搜索算法对所述初选特征范围进行筛选得到最优特征组合；

根据所述最优特征组合获取新能源功率预测模型的输入数据，以供所述新能源功率预测模型进行预测得到新能源网络在待预测时间内的输出功率。

2.根据权利要求1所述的方法，其特征在于，所述原始数据包括风速、风向、辐照度、云量、温度、气压和湿度中的至少一种。

3.根据权利要求1所述的方法，其特征在于，所述小波分解特征包括低频分量。

4.根据权利要求1所述的方法，其特征在于，所述特征子集中的特征个数是以500为步进进行递增的。

5.根据权利要求4所述的方法，其特征在于，所述方法还包括：

针对组合后的特征采用基于互信息的单独最优特征组合方法进行排序，得到所述高维气象特征集合。

6.根据权利要求1至5任意一项所述的方法，其特征在于，所述通过序列前向浮动搜索算法对所述初选特征范围进行筛选得到最优特征组合，包括：

从所述初选特征范围中，每次选取一个有效特征子集，将所述有效特征子集依次递增地输入至所述功率预测模型，得到每次的二阶预测精度；

通过分析所述二阶预测精度随所述有效特征子集增加时的变化情况，确定所述最优特征组合。

7.根据权利要求2所述的方法，其特征在于，所述统计特征包括均值、众数、上四分位点、中位数、下四分位点和四分位差。