[发明专利]基于KMeans聚类的光伏发电预测方法

权利要求书

1.基于KMeans聚类的光伏发电预测方法，其特征在于，包括以下步骤：

步骤1、从光伏电厂获取发电数据，对数据进行清洗，检查并纠正发电数据文件中的错误，检查数据一致性，处理无效值和缺失值，将无效数据剔除，选取其中一部分作为样本数据，其中另一部分数据作为预测数据；

步骤2、对样本数据进行假设检验，通过假设检验得到发电数据分布规律，将数据初步分为Beta分布和Weibull分布两类；

其中Weibull分布对应数据量较少，且对应天气均为较恶劣天气，因此将符合Weibull分布的发电数据归为一类，计算该类的置信区间；

步骤3、使用核密度函数拟合Beta分布，求出Beta分布的形状参数a、b；

步骤4、对形状参数a进行KMeans聚类分析，得到聚类结果；据聚类结果将天气类型进行归类；

步骤5、根据步骤4的聚类结果对每类的Beta分布进行核密度函数拟合，从而求出每类Beta分布的置信区间；

步骤6、进行发电出力预测；已知某天天气，预测其发电出力情况，根据天气情况确定检验数据所属天气类别，从而确定其所属发电数据类别，返回对应的置信区间，即为该天的发电出力预测。

2.根据权利要求1所述的基于KMeans聚类的光伏发电预测方法，其特征在于：所述步骤3中，求得形状参数a、b包括以下步骤：

步骤3-1、根据Beta分布的概率密度函数的数学表达式为：

式中：χ为被统计的随机变量,0≤χ≤1；a、b为Beta分布的形状参数,a0,b0；B(a,b)为以a、b为参数的Beta函数；求得B(a,b)如下式：

步骤3-2、根据Beta分布的性质，利用集合均值和方差来计算Beta分布形状参数a、b；

由发电量数据Beta函数，求该函数的均值和方差为：

同时，根据Beta分布的性质，Beta分布的期望值和方差可表示为：

对式子(5)、(6)联立求解，导出利用期望值和方差计算Beta分布形状参数a、b的方程式：

根据式(7)、(8)的结果，利用式(3)、(4)计算集合的均值和方差，得到Beta分布模型的参数a、b。

3.根据权利要求1所述的基于KMeans聚类的光伏发电预测方法，其特征在于：所述步骤4中，对形状参数a进行KMeans聚类分析包括以下步骤：

步骤4-1、从参数a的数据集合X中随机选择K个初始中心点C₁,C₂,...,C_k作为参照；

步骤4-2、以C₁,C₂,...,C_k为初始参照点，依据以下原则对X进行初步的划分：若d_ie(x_i,c_e)d_if(x_j,c_f),j＝(1,2,...,k),e≠f,i＝(1,2,...,k)，则将x_i划分到类c_e中，否则将x_i划分到类c_f中；式中，x_i代表数据集中的任意数据，C_k代表聚出的类；

步骤4-3、根据公式再次计算每个聚类子类的中心点

步骤4-4、如果对于任意的i∈(1,2,...,k)，c_i都能够成立，则算法终止，当前形成的c_i代表最终划分成的类簇；否则，返回到步骤4-2执行；

为避免本步骤的结束条件不能满足而陷入无限循环的状态，预先设置一个最大的迭代循环次数作为阈值；

步骤4-5、输出最终对参数a的聚类结果，即发电数据的聚类结果。