[发明专利]一种光伏功率的短期预测方法

权利要求书

1.一种光伏功率的短期预测方法，其特征在于，包括以下步骤：

步骤1，将在光伏电站收集到的环境与光伏输出功率的历史数据经过处理后，利用模糊C均值算法进行相似度分类，获得各个类别的数据样本；步骤2，将聚类好的数据样本按照类别建立初步DBN光伏输出功率预测模型；步骤3，利用共轭梯度法对步骤2初步的DBN模型进行权值的加速寻优，完成预测模型的构建；步骤4，将待预测的光伏功率数据和所分类别进行比对并放入相应的预测模型内进行预测，最终得到待预测区域的负荷预测值。

2.根据权利要求1所述的一种光伏功率的短期预测方法，其特征在于：所述步骤1具体包括：

步骤11，确定光伏预测聚类指标、确定聚类数C、模糊加权参数m、阈值ε和初始迭代步数L；

步骤12，将各个聚类指标进行归一化处理；

步骤13，设共有n个数据样本，根据确定的参数C，随机选择C个向量作为聚类中心，即V⁰＝{v_i|i＝1,2,…,C}；

步骤14，计算隶属度矩阵Uⁱ＝|μ_ij|_C×n，μ_ij表示向量d_j对类v_i的隶属度；其中)1≤i≤C，1≤j≤n；

步骤15，计算聚类中心V^L+1：

步骤16，判断是否满足终止条件，如果||V^L+1-V^L||≤ε，则算法终止，得到划分矩阵U和聚类中心V，否则，转向步骤15继续运算，直到满足终止条件。

3.根据权利要求2所述的一种光伏功率的短期预测方法，其特征在于：所述步骤2具体过程为：

步骤21，确定光伏功率预测模型DBN的结构，随机初始化DBN各个结点的状态、权重矩阵W；

步骤22，随机选择一个历史数据的训练样本输入到第一个RBM中，根据式4更新第一个隐含层各个结点的状态：

其中，w_ij为第i层RBM与第j层RBM相连的权值，

s_i表示可见结点状态，s_j表示隐含层结点状态，N_j(0,1)表示一个均值为0，方差为1的高斯随机变量，σ是一个0到1之间的常数，是一个步骤型函数，θ_L和θ_H分别是函数的上界和下界；参数a_j是一个噪声控制参数，它控制着步骤型函数的斜率，从而影响着神经元的随机表现的程度和性质；

步骤23，根据步骤22求出的隐含结点状态更新可见结点的状态，公式为

步骤24，根据步骤23计算得到的可见结点的状态s_i'，再次更新隐含层状态，记为s'_j，

步骤25，将第一个的隐含层状态作为第二个的输入，根据式3更新第二个的隐含层各个结点的状态，按照步骤23、步骤24对第二个采用相同的方式更新结点状态，按照这个顺序层层进行下去，将网络的所有神经元的状态更新，权重矩阵W的更新公式如下：

w_ij(k+1)＝w_ij(k)+Δw_ij。