[发明专利]一种基于加权FCM聚类算法的光伏电站输出功率预测方法

权利要求书

1.一种基于加权FCM聚类算法的光伏电站输出功率预测方法，其特征在于，该预测方法包括以下步骤：

1)确定需要进行功率预测的未来精确时间段，采集该时间段内光伏电站所在区域内包含太阳总辐量、水平面辐射量、倾斜面辐射量、环境温度、空气湿度、大气压力、风速和风速的8维属性的天气数据作为待测气象数据样本；

2)从该光伏电站历史运行的知识库中选取与待测气象数据样本相似的参考样本，每个参考样本中包含有与待测气象数据样本中相同的8个天气属性以及对应气象样本的光伏电站输出功率；

3)从参考样本中选取与待测气象数据样本匹配的标准样本数据集，与待测气象数据样本组合，形成典型样本矩阵，并对该典型样本矩阵进行归一化处理形成标准样本矩阵；

4)将标准样本矩阵作为属性加权FCM聚类算法的输入量，根据设定的初始化变量进行算法迭代以得到相应的隶属度矩阵，根据得到的隶属度矩阵判断待测气象样本对应的光伏电站输出功率，该输出功率即为待测气象样本的预测功率。

2.根据权利要求1所述的基于加权FCM聚类算法的光伏电站输出功率预测方法，其特征在于，所述属性加权FCM聚类算法指的是利用样本相似度对气象样本中每个属性对聚类结果的贡献程度赋予相应的权值。

3.根据权利要求2所述的基于加权FCM聚类算法的光伏电站输出功率预测方法，其特征在于，所述属性加权FCM聚类算法的流程如下：

A.计算标准样本矩阵中各属性权值；

B.根据得到的各属性权值确定聚类目标函数和更新聚类中心；

C.更新隶属度矩阵，直至更新后隶属度矩阵满足设定要求。

4.根据权利要求3所述的基于加权FCM聚类算法的光伏电站输出功率预测方法，其特征在于，所述样本各属性权值的计算采用基于样本相似度的属性加权算法。

5.根据权利要求3所述的基于加权FCM聚类算法的光伏电站输出功率预测方法，其特征在于，所述步骤4)中的初始化变量包括聚类类别，该聚类类别是将待预测变电站的功率输出范围按照预测的准确度等级细化分段，每一段为一个聚类类别。

6.根据权利要求4所述的基于加权FCM聚类算法的光伏电站输出功率预测方法，其特征在于，所述步骤3)的归一化方法可采用比例标准化、极大值标准化、均值方差化标准化、绝对值方差标准化和正规化标准化中的任意一种。

7.根据权利要求1-6中任一项所述的基于加权FCM聚类算法的光伏电站输出功率预测方法，其特征在于，该方法还包括将待测气象样本以及其对应的功率预测结果反馈回知识库中，便于为以后的气象数据样本进行功率预测积累真实可靠的历史数据。