[发明专利]基于混合双向门控循环的短期光伏功率预测方法及系统

权利要求书

1.基于混合双向门控循环的短期光伏功率预测方法，其特征在于，包括以下步骤：

获取原始光伏功率数据和对应的气象数据，对原始光伏功率数据进行分解，得到多个光伏功率分量；

对每个光伏功率分量和对应的气象数据进行预处理，得到预处理后的光伏功率分量和对应的气象数据；

搭建包含CNN层、BiGRU层、注意力层的HBiGRU模型，将预处理后的多个光伏功率分量和对应的气象数据分别输入至HBiGRU模型中，得到各个光伏功率分量的预测结果；

将各个光伏功率分量的预测结果进行叠加，得到短期光伏功率预测结果；

其中，BiGRU层包含两层输出相同、信息传递方向相反的GRU模型，设定考虑过去时刻信息的GRU模型为正序GRU层，考虑未来时刻信息的GRU模型为负序GRU层，t时刻BiGRU层的输出为t时刻正序GRU层的输出与正序GRU层输出权重矩阵的乘积、t时刻负序GRU层的输出与负序GRU层输出权重矩阵的乘积之和，正序GRU层输出权重矩阵、负序GRU层输出权重矩阵为对BiGRU层经过预训练得到的。

2.如权利要求1所述的基于混合双向门控循环的短期光伏功率预测方法，其特征在于，对原始光伏功率数据进行分解，具体包括：

利用自适应噪声完备集合经验模态分解方法对原始光伏功率数据进行初步分解，得到多个IMF分量；

基于样本熵方法计算各IMF分量的时间复杂度，对具有相似复杂度的I MF分量聚合叠加重构，得到熵值大小重构后的I MF分量；

利用变分模态分解方法对熵值大小重构后的I MF分量中的高频分量进行二次分解，得到光伏功率分量。

3.如权利要求1所述的基于混合双向门控循环的短期光伏功率预测方法，其特征在于，对每个光伏功率分量和对应的气象数据进行归一化处理并将数据取值范围压缩至[0,1]，得到预处理后的光伏功率分量和气象数据。

4.如权利要求1所述的基于混合双向门控循环的短期光伏功率预测方法，其特征在于，将预处理后的多个光伏功率分量和对应的气象数据分别输入至HBiGRU模型中，得到各个光伏功率分量的预测结果，具体为：

将预处理后的每个光伏功率分量和对应的气象数据输入至CNN层中，提取特征向量；

将特征向量输入至BiGRU层中，学习特征向量之间的内在联系和时序变化规律，得到多个隐藏层输出向量；

将多个隐藏层输出向量输入至注意力层，根据AM权重分配原则，计算不同隐藏层输出向量对应的权重，得到最优权重矩阵；

基于注意力层输出的最优权重矩阵和多个隐藏层输出向量，得到各个光伏功率分量的预测结果。

5.如权利要求4所述的基于混合双向门控循环的短期光伏功率预测方法，其特征在于，BiGRU模型的计算公式为：

其中，表示t时刻正序GRU模型输出；表示t时刻负序GRU模型输出；表示t-1时刻正序GRU模型的输出量；表示t+1时刻负序GRU模型的输出量；W_f1与W_f2分别为正序GRU模型输入权重矩阵和t-1时刻输出权重矩阵；W_b1与W_b2分别为负序GRU模型输入权重矩阵和t+1时刻输出权重矩阵；W₁与W₂分别为正序GRU模型和负序GRU模型输出权重矩阵；X_t表示t时刻模型的输入；δ表示sigmoid激活函数。

6.如权利要求4所述的基于混合双向门控循环的短期光伏功率预测方法，其特征在于，CNN层由1个一维卷积层、1个一维池化层和全连接层组成，其中，卷积层选用tanh函数作为激活函数，池化层的池化方式选择最大池化，输入数据经过卷积层和池化层降维处理后通过全连接层提取特征向量，全连接层选用Sigmoid函数作为激活函数。

7.如权利要求4所述的基于混合双向门控循环的短期光伏功率预测方法，其特征在于，对隐藏层输出向量按照最优权重矩阵中对应的权重系数进行加权求和，得到各个光伏功率分量的预测结果。