[发明专利]基于混合模型的数据预测方法及装置

说明书

本发明公开了一种基于混合模型的数据预测方法集装置，通过采集与光伏电量相关的历史多维度数据，并将其分为训练数据集和测试数据集；选取至少两个训练模型，用训练数据集训练对其训练得到预测模型，然后再分别对测试数据集进行得到测试结果，作为测试值；根据真实值和测试值计算预测模型的权重值。再对光伏电量的未来气象预测到的多维度数据进行预测，得到第一预测值，再采用加权求和计算出光伏电量的最终预测值。综上可见，本发明提供的技术方案综合多个数据预测算法的优点，将各个算法模型的预测结果通过权重分配的形式综合起来考量，屏蔽掉单个算法的局限性，使得预测结果更加精准，提高预测精度。

技术领域

本发明涉及未来数据预测技术领域，尤其涉及一种基于混合模型的光伏电量数据预测方法及装置。

背景技术

预测未来的数据本身就是一个很大的难点，而每个预测模型都有自身的局限性，比如极限学习机模型由于自身算法的特点，会有鲁棒性差，不稳定等缺点，因而会影响最终的预测结果。但是我们可以。现有的数据预测方法，主要包括：支持向量机(SVM)、极限学习机(ELM)、神经网络和梯度提升回归树(GBRT),但是这些算法单独使用都具有一定的自身局限性，比如支持向量机(SVM)预测方法中核函数的选定以及相关参数的优化很难确定；而极限学习机(ELM)预测方法会有鲁棒性差，不稳定等缺点。因此，单独使用预测模型进行未来数据预测，会给数据的预测结果带来负面影响，影响预测的精度。

中国专利申请CN107590569A公开了一种数据预测方法及装置，并具体公开了一种数据预测方法，包括根据当前待预测数据的相关历史数据，获得测试数据、训练数据集和基于训练数据集的至少两个训练模型；针对各训练模型均执行：将训练数据集代入当前训练模型，以获得测试数据的第一预测结果；通过对比测试数据和第一预测结果，确定当前训练模型的权重；根据训练数据集、测试数据、至少两个训练模型和每一个训练模型当前的权重，执行加权求和处理以确定当前待预测数据。该申请一定程度上能够提高所预测出的数据的准确性。该申请中权重的确定是通过将预测结果和测试数据进行对比并反复迭代调整得到最终相对准确的权重值，或者是通过对比当前待预测数据和相应真实值，再次对各训练模型当前的权重进行调整替换，这种权重确定方式具有一定的局限性难以保证权重的准确度。

发明内容

本发明提供一种基于混合模型的数据预测方法及装置，通过将多个预测模型的预测结果综合起来，分别计算每个不同预测模型的预测结果的权重值，将所有预测模型的预测结果综合起来考量作为未来数据的预测值，从而可以避免单个算法由于自身算法缺陷而导致的预测结果不准的问题。

第一方面，本发明提供了一种基于混合模型的数据预测方法，包括

定义光伏电量为需要预测的目标量，采集与光伏电量相关的历史多维度数据及历史真实值，并将采集到的历史多维度数据及其对应的历史真实值数据分为训练数据集和测试数据集；

选取至少两个训练模型，用所述训练数据集分别训练每一个训练模型后得到预测模型，将所述测试数据集中的测试数据分别代入每一个所述预测模型得到测试结果，作为光伏电量的测试值；

根据所述测试值和所述历史真实值计算预测模型的权重值；

采集所述光伏电量的未来多维度数据作为预测数据集，将所述预测数据集分别代入每一个预测模型得到所述光伏电量的第一预测值，将所有预测模型的所述第一预测值和权重值代入加权求和公式得到所述光伏电量的最终测值。

优选地，

所述训练数据集包括多组一一对应的训练数据和光伏电量真实值，用于训练模型；所述测试数据集包括多组一一对应的测试数据和光伏电量真实值，其中测试数据用于测试训练完成的模型，真实值用于与测试值对比计算模型权重。

优选地，

所述计算每一个预测模型的权重值包括：