[发明专利]一种考虑环境因素的光伏出力短期预测方法及系统

权利要求书

1.一种考虑环境因素的光伏出力短期预测方法，其特征在于，所述方法包括：

获取历史光伏功率数据和对应的区域环境因素数据；

通过主成分分析法从区域环境因素数据中筛选影响光伏输出功率的关键环境因素；

采用CEEMDAN分解算法对关键环境因素进行分解，得到关键环境因素的时间特征序列；所述采用CEEMDAN分解算法对关键环境因素进行分解，得到关键环境因素的时间特征序列具体包括：

在待分解的关键环境因素中添加第一高斯白噪声得到第一环境因素信号；

对第一环境因素信号通过EMD进行N次分解得到N个本征模态函数，对产生的N个本征模态函数进行集成求均值，得到第一IMF分量；计算分解第一IMF分量后的第一残差序列；

在第一残差序列中继续加入第二高斯白噪声得到第二环境因素信号，对第二环境因素信号进行N次EMD分解，得到第二IMF分量；计算分解第二IMF分量后的第二残差序列；

重复以上添加高斯白噪声、EMD分解、计算残差序列过程直到剩余信号序列为单调函数不能继续分解，得到各个关键环境因素的IMF分量，各IMF分量组成时间特征序列；

通过ChOA算法改进ELM神经网络，并构造光伏出力预测模型；

根据主要环境因素的时间特征序列和历史光伏功率数据训练光伏出力预测模型；

所述根据主要环境因素的时间特征序列和历史光伏功率数据训练光伏出力预测模型具体包括：

对主要环境因素的时间特征序列和对应的历史光伏功率数据进行归一化处理；

初始化光伏出力预测模型的输入层、隐含层、输出层之间的权重和偏置；

分别以归一化的主要环境因素的时间特征序列的各个IMF分量为输入、以对应的归一化的历史光伏功率数据为输出训练光伏出力预测模型；

以预测值和期望输出值的均方根误差函数作为ChOA算法的适应度函数，以适应度函数最小为目标优化光伏出力预测模型输入层和隐含层之间的权重、隐含层的偏置；

通过优化后的输入层隐含层之间的权重、隐含层的偏置计算输出层权重，得到光伏出力预测模型的参数；

所述通过优化后的输入层和隐含层之间的权重、隐含层的偏置计算输出层权重具体包括：

设有N个样本(X_i,T_i)，其中主要环境因素为X_i＝[X_i1,X_i2,…,X_in]^T，期望输出为T_i＝[T_i1,T_i2,…,T_im]^T，则对于一个含有l个隐含层的ELM神经网络的输出表达式为：

式中：ω_i、β_j分别为输入层与隐含层之间的权重、输出层与隐含层之间的权重；v_k为隐含层偏置，k＝1,2,…,l；G为激活函数；

ChOA算法优化得到输入层与隐含层之间的权重ω_i、隐含层偏置v_i的基础上，计算隐含层的输出矩阵H，应用下式求解输出权重β^*：

式中：H+是矩阵H的广义摩尔逆；

通过训练好的光伏出力预测模型进行光伏出力短期预测。

2.根据权利要求1所述的考虑环境因素的光伏出力短期预测方法，其特征在于，所述通过主成分分析法从区域环境因素数据中筛选影响光伏输出功率的关键环境因素具体包括：

将输入的区域环境因素数据X减去各自的平均值，得到去中心化的区域环境因素数据；

计算去中心化的区域环境因素数据的协方差矩阵；

用特征值分解方法求协方差矩阵的特征值与特征向量；

对特征值从大到小排序，选取其中最大的s个特征值；

将最大的s个特征值对应的s个特征向量分别作为行向量组成特征向量矩阵P；

将区域环境因素数据转换到s个特征向量构建的新空间中，即Y＝PX，得到关键环境因素。