[发明专利]短期光伏能量预测方法和装置

权利要求书

1.一种短期光伏能量预测方法，其特征在于，包括：

建立表示气象数据与光伏能量数据之间的关系的粒子群优化-支持向量机模型；

对历史气象数据和历史光伏能量数据分别进行小波变换以获得训练子数据；

利用训练子数据训练所述粒子群优化-支持向量机模型；

对未来气象数据进行小波变换以获得预测子数据；

将预测子数据输入到经过训练的粒子群优化-支持向量机模型来获得预测的光伏能量子数据；

对预测的光伏能量子数据进行逆小波变换以获得预测的光伏能量数据。

2.如权利要求1所述的方法，其特征在于，所述建立表示气象数据与光伏能量数据之间的关系的粒子群优化-支持向量机模型的步骤包括：通过将气象数据作为输入并且将光伏能量数据作为输出来建立所述粒子群优化-支持向量机模型。

3.如权利要求1所述的方法，其特征在于，所述利用训练子数据训练所述粒子群优化-支持向量机模型的步骤包括：

初始化所述粒子群优化-支持向量机模型的参数；

将训练子数据输入到所述粒子群优化-支持向量机模型以获得对应的成本函数，并且计算出成本函数的最优值；

将成本函数达到最优值时的参数作为经过训练的粒子群优化-支持向量机模型的参数。

4.如权利要求1所述的方法，其特征在于，还包括：对历史气象数据、历史光伏能量数据和未来气象数据进行预处理操作，其中，所述预处理操作包括以下操作中的至少一种：

将单位时间内获得的各个数据的平均值作为该单位时间的数据；将在不同时区获得的数据统一为同一时区下的数据；当存在缺失的数据时，利用在数据缺失的时间点的预定时间之前的时间点的第一数据和在数据缺失的时间点的预定时间之后的时间点的第二数据的加权和来填补缺失的数据。

5.如权利要求1所述的方法，其特征在于，历史气象数据和未来气象数据包括以下项中的至少一项：太阳辐射强度数据、温度数据、云量数据、湿度数据、气压数据、以及风速数据。

6.如权利要求1所述的方法，其特征在于，所述粒子群优化-支持向量机模型基于ε-支持向量机模型建立，ε-支持向量机模型的核函数为径向基函数。

7.如权利要求1所述的方法，其特征在于，历史气象数据是通过数值天气预报模型历史预测的历史气象数据，历史光伏能量数据是通过在线检测控制与数据采集系统记录的历史光伏能量数据。

8.如权利要求1所述的方法，其特征在于，历史气象数据包括第一时间范围内的具有第一时间间隔的多条历史气象数据，历史光伏能量数据包括第一时间范围内的具有第一时间间隔的多条历史光伏能量数据，

其中，第一时间范围为至少过去1年，第一时间间隔是10分钟、15分钟或1小时。

9.如权利要求1所述的方法，其特征在于，未来气象数据包括第二时间范围内的具有第二时间间隔的多条未来气象数据，

其中，第二时间范围为至少未来24小时，第二时间间隔是10分钟、15分钟或1小时。

10.一种短期光伏能量预测装置，其特征在于，包括：

模型建立单元，被配置为建立表示气象数据与光伏能量数据之间的关系的粒子群优化-支持向量机模型；

小波变换单元，被配置为对历史气象数据和历史光伏能量数据分别进行小波变换以获得训练子数据，并且对未来气象数据进行小波变换以获得预测子数据；

训练单元，被配置为利用训练子数据训练所述粒子群优化-支持向量机模型；

预测单元，被配置为将预测子数据输入到经过训练的粒子群优化-支持向量机模型来获得预测的光伏能量子数据；

逆小波变换单元，被配置为对预测的光伏能量子数据进行逆小波变换以获得预测的光伏能量数据。

11.如权利要求10所述的装置，其特征在于，所述训练单元通过将气象数据作为输入并且将光伏能量数据作为输出来建立所述粒子群优化-支持向量机模型。