基于功率重构与测地线流式核的光伏超短期功率预测方法技术

本发明专利技术公开了基于功率重构与测地线流式核的光伏超短期功率预测方法，包括以下步骤：(1)数据预处理，异常值的识别与修复，确定最终数据集；(2)将修复后数据集划归为不同簇；(3)针对历史功率序列与NWP指标存在分歧，高维数据所导致的建模复杂度过高问题，设计一种基于类内外特征加权结构保持降维算法；(4)通过域适应方法，寻找恰当空间完成对数据分布的对齐；(5)采用梯度增强决策树完成模型建立并在测试集上进行验证；本发明专利技术采用测地线流式核在流行空间上模拟由于时间周期所导致的数据分布的渐变过程，充分考虑到光伏发电的多层次时间周期性问题，提高了模型的预测精度。提高了模型的预测精度。提高了模型的预测精度。

【技术实现步骤摘要】
基于功率重构与测地线流式核的光伏超短期功率预测方法


[0001]本专利技术涉及光伏功率预测领域，具体涉及基于功率重构与测地线流式核的光伏超短期功率预测方法。

技术介绍

[0002]随着绿色经济的不断发展，大力推进可持续新能源发展已然成为世界各国的共识。其中光伏发电已成为绿色低碳发展的关键途径。由于其零污染、零排放的优点，使得光伏发电技术成为了当前研究和推广应用的热点领域。然而，由于天气等因素所导致的不确定性，光伏发电具有间歇性、波动性、周期性，这给电网的安全稳定运行带来了巨大挑战，准确预测光伏发电功率对保障电网的安全性、经济性和稳定性具有重要意义。
[0003]考虑到不同天气条件下，光伏功率预测内部的关系和模式往往存在较大差异。研究者多采用“相似日”聚类完成对天气的划分，大多将天气划分为晴天、多云、阴天和雨天四类，然而由于并未考虑到日内天气变化情况，对于光伏功率超短期预测而言略显“粗糙”。针对光伏功率的时间周期性问题，大多数研究者一般仅考虑了光伏功率预测的季节周期性，根据季节的不同将数据划分四个时段，然而却并未考虑到多层次周期性问题，即存在大小时间周期的交叠性问题，从而影响了光伏功率预测的准确性。

技术实现思路

[0004]针对上述存在的技术不足，本专利技术的目的是提供基于功率重构与测地线流式核的光伏超短期功率预测方法。
[0005]为解决上述技术问题，本专利技术采用如下技术方案：
[0006]本专利技术提供基于功率重构与测地线流式核的光伏超短期功率预测方法，包括以下步骤：r/>[0007](1)对数值天气预报即NWP和历史功率序列的数据进行预处理，识别与修复异常值，确定修复后的数据集；
[0008](2)将步骤(1)修复后的数据集划归为不同簇；
[0009](3)对步骤(2)中的高维特征数据进行降维，并强化天气与光伏发电功率之间的映射关系；
[0010](4)通过域适应算法，完成对步骤(3)处理后的数据分布的对齐；
[0011](5)对步骤(4)对齐后的数据，采用梯度增强决策树完成预测模型建立并在测试集上对预测模型进行验证。
[0012]优选地，所述步骤(1)中，针对数值天气预报即NWP和历史功率序列的异常值识别采用基于马尔可夫链的加权多模型，所选模型为孤立森林法和局部离群因子法，针对所识别的异常值修复方法为三次样条插值法。
[0013]优选地，步骤(3)中划分训练集与测试集时，按顺序或随机的方式将数据集的70％作为训练集、30％作为测试集。
[0014]优选地，步骤(2)将数据划归为不同簇时，具体包括以下步骤：
[0015](2
‑
1)进行历史功率数据重构，具体重构方式如下：
[0016]历史功率序列波动性重构表示如下：
[0017][0018]其中：为待测点P
n
历史功率序列的均值，为待测点P
n
历史功率序列的标准差为待测点P
n
历史功率序列的一阶差分和；和构造方式如下：
[0019][0020][0021][0022]历史功率序列复杂性重构表示如下：
[0023][0024]式中，为待测点P
n
历史功率序列的排列熵值，的构造方式如下：
[0025][0026]其中，为第n个历史功率序列相空间M
n
的第j个重构分量的概率，M
n
的构造方式如下：
[0027][0028]其中，m为嵌入维数，t为延迟时间；
[0029]历史功率序列的重构特征表示为：
[0030][0031](2
‑
2)将步骤(2
‑
1)重构后的历史功率数据进行高斯混合聚类，具体步骤如下：
[0032](2
‑2‑
1)初始化高斯混合分布模型参数{(α
i
,μ
i
,Σ
i
)|1≤i≤k1}，其中k1为假定的高斯混合成份个数；
[0033](2
‑2‑
2)遍历所有历史功率数据样本点，并采用如下公式计算每个样本点由各混合成份生成的后验概率：
[0034][0035](2
‑2‑
3)采用以下公式，更新高斯混合分布模型参数：
[0036][0037][0038][0039](2
‑2‑
4)重复步骤(2
‑2‑
2)和步骤(2
‑2‑
3)直至模型收敛，通过贝叶斯信息准则确定最优聚类数，并将样本划归与概率最大的一类。
[0040]优选地，所述步骤(3)具体包括以下步骤：
[0041](3
‑
1)采用步骤2的方法完成聚类，并与NWP一一匹配，进而将NWP指标划分为其中为第i
‑
th类，且各类样本数存在N＝N1+N2+
…
+N
c
这一关系；假定每个样本点x
i
存在k2个类内近邻点，k2个类外近邻点，则第i类的近邻特征矩阵近邻标签矩阵并且存在以下关系：
[0042][0043]其中，为第i类的第层类内近邻特征矩阵，为第i类的第j层类内近邻标签矩阵，为第i类的第j层类外近邻特征矩阵，为第i类的第j层类外近邻标签矩阵，则整体目标式如下：
[0044][0045][0046][0047]s.t.W
i
(W
i
)
T
＝I,λ≥0,
[0048][0049]其中，W
i
为X对应的d1个特征向量的组合；
[0050](3
‑
2)同时，由于不同天气指标对光伏发电功率的重要性不同，因此在衡量天气相似性时，为充分体现各指标的重要性程度，本专利技术采用皮尔逊相关系数对天气数据进行加权相似性度量；进而的构造方式如下：
[0051][0052][0053]其中，x
ij
为第i个和第j个样本的欧式距离；为类外数据总量，之后对和内行素按照从小到大排序，挑选出前k2列对应元素组成和和为对应功率标签；w
i
(1≤i≤d)为各特征权重系数，确定方式如下：
[0054][0055]其中，为第i项天气指标的第j个数据点，y
j
为第j个实际功率值，为第i项天气指标的均值，为实际功率的平均值。
[0056]优选地，所述步骤(4)具体包括以下步骤：
[0057](4
‑
1)在主成分分析的基础上利用子空间不一致测度确定最佳子空间维度；
[0058](4
‑
2)在确定的最佳子空间维度内构造测地线函数，利用黎曼流形的标准欧几里德度量，测地线流被参数化为：
[0059]Φ:t∈[0,1]→
Φ(t)∈G(d,D)
[0060]同时约束P
S
＝Φ(0),P
...

【技术保护点】

【技术特征摘要】
1.基于功率重构与测地线流式核的光伏超短期功率预测方法，其特征在于，包括以下步骤：(1)对数值天气预报即NWP和历史功率序列的数据进行预处理，识别并修复异常值，确定修复后的数据集；(2)将步骤(1)修复后的数据集划归为不同簇；(3)对步骤(2)中的高维特征数据进行降维，并强化天气与光伏发电功率之间的映射关系；(4)通过域适应算法，完成对步骤(3)处理后的数据分布的对齐；(5)对步骤(4)对齐后的数据，采用梯度增强决策树完成预测模型建立并在测试集上对预测模型进行验证。2.如权利要求1所述的基于功率重构与测地线流式核的光伏超短期功率预测方法，其特征在于，所述步骤(1)中，针对数值天气预报即NWP和历史功率序列的异常值识别采用基于马尔可夫链的加权多模型，所选模型为孤立森林法和局部离群因子法，针对所识别的异常值修复方法为三次样条插值法。3.如权利要求1所述的基于功率重构与测地线流式核的光伏超短期功率预测方法，其特征在于，步骤(4)中划分训练集与测试集时，按顺序或随机的方式将数据集的70％作为训练集、30％作为测试集。4.如权利要求1所述的基于功率重构与测地线流式核的光伏超短期功率预测方法，其特征在于，步骤(2)将数据划归为不同簇时，具体包括以下步骤：(2
‑
1)进行历史功率数据重构，具体重构方式如下：历史功率序列波动性重构表示如下：其中：为待测点P
n
历史功率序列的均值，为待测点P
n
历史功率序列的标准差为待测点P
n
历史功率序列的一阶差分和；和构造方式如下：构造方式如下：构造方式如下：历史功率序列复杂性重构表示如下：
式中，为待测点P
n
历史功率序列的排列熵值，的构造方式如下：其中，为第n个历史功率序列相空间M
n
的第j个重构分量的概率，M
n
的构造方式如下：其中，m为嵌入维数，t为延迟时间；历史功率序列的重构特征表示为：(2
‑
2)将步骤(2
‑
1)重构后的历史功率数据进行高斯混合聚类，具体步骤如下：(2
‑2‑
1)初始化高斯混合分布模型参数{(α
i
,μ
i
,Σ
i
)|1≤i≤k1}，其中k1为假定的高斯混合成份个数；(2
‑2‑
2)遍历所有历史功率数据样本点，并采用如下公式计算每个样本点由各混合成份生成的后验概率：(2
‑2‑
3)采用以下公式，更新高斯混合分布模型参数：3)采用以下公式，更新高斯混合分布模型参数：3)采用以下公式，更新高斯混合分布模型参数：(2
‑2‑
4)重复步骤(2
‑2‑
2)和步骤(2
‑2‑
3)直至模型收敛，通过贝叶斯信息准则确定最优聚类数，并将样本划归与概率最大的一类。5.如权利要求1所述的基于功率重构与测地线流式核的光伏超短期功率预测方法，其
特征在于，所述步骤(3)具体包括以下步骤：(3
‑

【专利技术属性】
技术研发人员：朱竹军，王家辉，申展，阎高伟，
申请(专利权)人：山西格盟中美清洁能源研发中心有限公司，
类型：发明
国别省市：