[发明专利]考虑小波分解和多目标优化的光伏发电预测方法及系统

权利要求书

1.考虑小波分解和多目标优化的光伏发电预测方法，其特征在于，包括：

获得光伏发电初始场景集；

对光伏发电初始场景集去噪以重构光伏发电场景集；

采用组合预测系统对重构后的光伏发电场景集进行预测，选取单一预测系统作为组合系统的预测子系统，各个预测子系统根据重构后的光伏发电场景集输出预测结果；

确定各预测子系统的权重参数；

利用求得的预测子系统的权重参数和各预测子系统的对重构后的光伏发电场景集的预测结果，加权输出最终预测结果。

2.如权利要求1所述的考虑小波分解和多目标优化的光伏发电预测方法，其特征在于，所述光伏发电初始场景集包括历史环境温度、湿度、平均辐照强度、光照强度、光照率等参数以及对应时段的光伏发电功率。

3.如权利要求1所述的考虑小波分解和多目标优化的光伏发电预测方法，其特征在于，对光伏发电初始场景集去噪以重构光伏发电场景集，具体为：

选择小波阈值去噪方法减少光伏发电初始场景集的高频噪声，即剔除数据坏点，减少极端环境因素对光伏发电预测带来的影响，重构场景集。

4.如权利要求3所述的考虑小波分解和多目标优化的光伏发电预测方法，其特征在于，使用遗传算法自动优化小波阈值去噪方法的主要参数，包括分解层数k和每层阈值α,降低初始场景的随机性和波动性。

5.如权利要求1所述的考虑小波分解和多目标优化的光伏发电预测方法，其特征在于，采用组合预测系统对重构后的光伏发电场景集进行预测，选取单一预测系统作为组合系统的预测子系统，具体为：

参考四种常见预测指标，即平均绝对误差、均方根误差、平方绝对百分比误差、确定系数，选取四种预测结果较优的单一预测系统作为组合系统的子系统，包括循环神经网络、深度卷积神经网络、长短时记忆神经网络和后向传播神经网络。

6.如权利要求1所述的考虑小波分解和多目标优化的光伏发电预测方法，其特征在于，确定各预测子系统的权重参数，具体为：

以各预测子系统的权重参数作为决策变量{α_i,i∈[1,4]}，以预测系统的组合预测值与光伏实际发电值的均方根误差和平方绝对百分比误差作为目标函数，采用多目标改进灰狼算法确定各预测子系统的权重参数。

7.如权利要求6所述的考虑小波分解和多目标优化的光伏发电预测方法，其特征在于，采用多目标灰狼优化算法确定各预测子系统的权重参数集的目标函数为：

式中：F₁为预测系统的组合预测值与光伏实际发电值的平方绝对百分比误差；F₂为预测系统的组合预测值与光伏实际发电值的均方根误差；α_i为第i个预测子系统预测值的权重参数；Y_i(t)为第i个预测子系统在t时刻的光伏发电预测值；G(t)为t时刻的光伏发电实际功率值。

8.考虑小波分解和多目标优化的光伏发电预测系统，其特征在于，包括：

光伏发电场景集重构模块，被配置为：获得光伏发电初始场景集；

对光伏发电初始场景集去噪以重构光伏发电场景集；

子系统预测模块，被配置为：采用组合预测系统对重构后的光伏发电场景集进行预测，选取单一预测系统作为组合系统的预测子系统，各个预测子系统根据重构后的光伏发电场景集输出预测结果；

最终预测模块，被配置为：确定各预测子系统的权重参数；

利用求得的预测子系统的权重参数和各预测子系统的对重构后的光伏发电场景集的预测结果，加权输出最终预测结果。

9.一种计算机装置,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-7任一项所述方法的步骤。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时执行如权利要求1-7任一项所述方法的步骤。