[发明专利]基于历史数据集时间跨度优化的光伏发电功率预测方法及系统

权利要求书

1.一种基于历史数据集时间跨度优化的光伏发电功率预测方法，其特征在于，所述方法包括以下步骤：

S1.确定用于光伏发电功率预测的历史功率数据来源，从历史功率数据来源中选定一定时间跨度下、具有若干数据样本数的历史数据集，并对历史数据集进行预处理；

所述的预处理操作包括对历史数据集中的数据进行数据清洗，以去除历史数据集中的异常数据和干扰；

S2.基于已预处理的历史数据集，利用光伏发电功率预测算法A进行光伏发电功率预测，并计算光伏发电功率预测结果的预测误差指标；

S3.以P为历史数据集的数据样本数按时间跨度方向增加的间隔，将历史数据集的数据样本数增加P，利用光伏发电功率预测算法A进行光伏发电功率预测，并计算光伏发电功率预测结果的预测误差指标；

S4.判断历史数据集的数据样本数是否达到设置值，若是，执行步骤S5；否则，返回步骤S3；

S5.形成预测误差指标随历史数据集的样本数变化的趋势曲线，确定趋势曲线中的最低点，以最低点对应的时间跨度下样本数目的历史数据集进行光伏发电功率预测,并计算光伏发电功率预测结果的预测误差指标；

S6.以P为历史数据集的数据样本数按时间跨度方向增加的间隔，将最低点对应的时间跨度下的历史数据集的数据样本数增加P，然后进行光伏发电功率预测，判断预测误差指标是否减小，若是，将历史数据集的数据样本数增加P，执行步骤S7；否则，以H为历史数据集的数据样本数按时间跨度方向减小的间隔，将历史数据集的数据样本数减少H，H≠P，执行步骤S7；

S7.判断历史数据集的数据样本数是否达到设置值，若是，形成预测误差指标随历史数据集的样本数变化的趋势曲线，确定趋势曲线中的拐点，以拐点对应的时间跨度下样本数目的历史数据集进行光伏发电功率预测；否则，返回步骤S6。

2.根据权利要求1所述的基于历史数据集时间跨度优化的光伏发电功率预测方法，其特征在于，在步骤S1中，从历史功率数据来源中选定一定时间跨度下、具有若干数据样本数的历史数据集时，以历史功率数据来源对应的时间跨度为基础，自历史功率来源中选取最新近时刻开始的时间跨度下、具有若干数据样本数的数据集作为历史数据集。

3.根据权利要求1所述的基于历史数据集时间跨度优化的光伏发电功率预测方法，其特征在于，所述的预处理操作还包括聚类，在聚类时，以光伏发电系统的运行工况和运行环境为聚类基础进行聚类。

4.根据权利要求3所述的基于历史数据集时间跨度优化的光伏发电功率预测方法，其特征在于，在步骤S3及步骤S6中，将历史数据集的数据样本数增加P，利用光伏发电功率预测算法A进行光伏发电功率预测前，数据样本数增加后的历史数据数据集也进行预处理操作。

5.根据权利要求1～4任意一项所述的基于历史数据集时间跨度优化的光伏发电功率预测方法，其特征在于，光伏发电功率预测算法A为长短期记忆网络法LSTM或极限学习机ELM或非线性自回归神经网络NARX或支持向量回归SVR。

6.根据权利要求5所述的基于历史数据集时间跨度优化的光伏发电功率预测方法，其特征在于，所述预测误差指标选用平均绝对百分比误差MAPE，计算平均绝对百分比误差MAPE的公式为：

其中，Y_t表示时间跨度中某一历史数据集样本t下的光伏发电功率实际值，表示时间跨度中某一历史数据集样本t下的光伏发电功率预测值，n表示趋势曲线对应的时间跨度下历史数据集中的总样本数。

7.根据权利要求6所述的基于历史数据集时间跨度优化的光伏发电功率预测方法，其特征在于，平均绝对百分比误差MAPE越小，光伏发电功率预测结果越好，反之，光伏发电功率预测结果越差。

8.根据权利要求7所述的基于历史数据集时间跨度优化的光伏发电功率预测方法，其特征在于，在步骤S5中，确定趋势曲线中的最低点时，通过多项式拟合的方式将趋势曲线拟合，然后获得趋势曲线的拟合表达式，根据拟合表达式确定趋势曲线中的最低点。

9.一种基于历史数据集时间跨度优化的光伏发电功率预测系统，其特征在于，所述系统包括：

数据预处理模块，确定用于光伏发电功率预测的历史功率数据来源，从历史功率数据来源中选定一定时间跨度下、具有若干数据样本数的历史数据集，并对历史数据集进行预处理；

所述的预处理操作包括对历史数据集中的数据进行数据清洗，以去除历史数据集中的异常数据和干扰；

初始预测模块，基于已预处理的历史数据集，利用光伏发电功率预测算法A进行光伏发电功率预测，并计算光伏发电功率预测结果的预测误差指标；

变换预测模块，以P为历史数据集的数据样本数按时间跨度方向增加的间隔，将历史数据集的数据样本数增加P，利用光伏发电功率预测算法A进行光伏发电功率预测，并计算光伏发电功率预测结果的预测误差指标；

第一判断模块，用于判断历史数据集的数据样本数是否达到设置值，若是，形成预测误差指标随历史数据集的样本数变化的趋势曲线，确定趋势曲线中的最低点，以最低点对应的时间跨度下样本数目的历史数据集进行光伏发电功率预测,并计算光伏发电功率预测结果的预测误差指标；否则，在变换预测模块中以P为历史数据集的数据样本数增减变换间隔，将历史数据集的数据样本数增加P，利用光伏发电功率预测算法A进行光伏发电功率预测，并计算光伏发电功率预测结果的预测误差指标；

预测判断模块，以P为历史数据集的数据样本数按时间跨度方向增加的间隔，将最低点对应的时间跨度下的历史数据集的数据样本数增加P，然后进行光伏发电功率预测，判断预测误差指标是否减小，若是，将历史数据集的数据样本数增加P，输入第二判断模块；否则，以H为历史数据集的数据样本数按时间跨度方向减小的间隔，将历史数据集的数据样本数减少H，H≠P，输入第二判断模块；

第二判断模块，判断历史数据集的数据样本数是否达到设置值，若是，形成预测误差指标随历史数据集的样本数变化的趋势曲线，确定趋势曲线中的拐点，以拐点对应的时间跨度下样本数目的历史数据集进行光伏发电功率预测；否则，返回预测判断模块。