[发明专利]一种光伏预测的方法及系统

权利要求书

1.一种光伏预测的方法，其特征在于，包括：

根据集成经验模态分解法对光伏序列进行分解，得到本征模函数分量和趋势分量；

根据预设规则选择第一核函数，然后通过支持向量机模型对所述趋势分量进行预测，得到所述趋势分量的预测值，其中，所述支持向量机模型包括第一核函数。

2.根据权利要求1所述的方法，其特征在于，所述得到本征模函数分量和趋势分量之后，根据预设规则选择核函数之前，该方法还包括：

对所述本征模函数分量进行叠加重构得到新的光伏序列；

根据小波分解法对新的所述光伏序列进行再分解得到细节分量；

则然后通过支持向量机模型对所述趋势分量进行预测之后，该方法还包括：

根据预设规则选择第二核函数，然后通过支持向量机模型对所述细节分量进行预测，得到所述细节分量的预测值，其中，所述支持向量机包括第二核函数，所述第二核函数和所述第一核函数不同；

将所述趋势分量的预测值和所述细节分量的预测值进行叠加重构，得到所述光伏序列的最终预测值。

3.根据权利要求1所述的方法，其特征在于，所述第一核函数为线性核函数，其中，所述线性核函数为K(x,x_i)＝x×x_i，x为空间中抽取的向量，x_i为支持向量。

4.根据权利要求2所述的方法，其特征在于，所述第二核函数为高斯核函数，其中，高斯核函数为x为空间中抽取的向量，x_i为支持向量，δ为所述高斯核函数的宽度参数。

5.根据权利要求1-4任意一项所述的方法，其特征在于，所述支持向量机模型还包括多个参数，所述得到本征模函数分量和趋势分量之后，根据预设规则选择第一核函数之前，该方法还包括：

根据纵横交叉法分别对所述支持向量机模型的各个所述参数进行优化。

6.一种光伏预测的系统，其特征在于，包括：

分解模块，用于根据集成经验模态分解法对光伏序列进行分解，得到本征模函数分量和趋势分量；

预测模块，用于根据预设规则选择第一核函数，然后通过支持向量机模型对所述趋势分量进行预测，得到所述趋势分量的预测值，其中，所述支持向量机模型包括第一核函数。

7.根据权利要求1所述的系统，其特征在于，所述得到本征模函数分量和趋势分量之后，根据预设规则选择核函数之前，所述分解模块还用于对所述本征模函数分量进行叠加重构得到新的光伏序列；

根据小波分解法对新的所述光伏序列进行再分解得到细节分量；

则然后通过支持向量机模型对所述趋势分量进行预测之后，所述预测模块还用于根据预设规则选择第二核函数，然后通过支持向量机模型对所述细节分量进行预测，得到所述细节分量的预测值，其中，所述支持向量机包括第二核函数，所述第二核函数和所述第一核函数不同；

将所述趋势分量的预测值和所述细节分量的预测值进行叠加重构，得到所述光伏序列的最终预测值。

8.根据权利要求1所述的系统，其特征在于，所述第一核函数为线性核函数，其中，所述线性核函数为K(x,x_i)＝x×x_i，x为空间中抽取的向量，x_i为支持向量。

9.根据权利要求7所述的系统，其特征在于，所述第二核函数为高斯核函数，其中，高斯核函数为x为空间中抽取的向量，x_i为支持向量，δ为所述高斯核函数的宽度参数。

10.根据权利要求6-9任意一项所述的系统，其特征在于，所述支持向量机模型还包括多个参数，所述得到本征模函数分量和趋势分量之后，根据预设规则选择第一核函数之前，所述预测模块还用于根据纵横交叉法分别对所述支持向量机模型的各个所述参数进行优化。