[发明专利]一种光储式电动汽车充电站光伏功率预测方法和装置

权利要求书

1.一种光储式电动汽车充电站光伏功率预测方法，其特征在于，包括：

获取光储充电动汽车充电站的当前运行数据；

对所述当前运行数据进行预处理；

将预处理后的当前运行数据输入预先构建的随机森林模型，得到光伏功率预测值；

所述随机森林模型基于获取的历史运行数据构建。

2.根据权利要求1所述的光储式电动汽车充电站光伏功率预测方法，其特征在于，所述随机森林模型的构建包括：

获取光储充电动汽车充电站的历史运行数据；

对所述历史运行数据进行预处理；

将预处理后的历史运行数据输入CART决策树模型，得到回归树模型；

对所述回归树模型进行训练，得到随机森林模型。

3.根据权利要求2所述的光储式电动汽车充电站光伏功率预测方法，其特征在于，所述历史运行数据包括光储充电动汽车充电站所处地理位置的历史地基云图数据、历史数值天气预报数据、历史太阳辐照度以及历史光伏功率数据；

所述当前运行数据包括光储充电动汽车充电站所处地理位置的当前运行年限、当前地基云图数据、当前数值天气预报数据以及当前太阳辐照度。

4.根据权利要求2所述的光储式电动汽车充电站光伏功率预测方法，其特征在于，所述对所述回归树模型进行训练，得到随机森林模型，包括：

对预处理后的历史运行数据进行多次随机抽样，得到多个数据集；

将每个数据集分别输入所述回归树模型，得到每个回归树各自的参数；

根据每个回归树与每个回归树各自的参数，得到随机森林模型。

5.根据权利要求2所述的光储式电动汽车充电站光伏功率预测方法，其特征在于，所述对数据进行预处理包括：剔除坏数据、填补缺失数据、数据去趋势化和数据归一化。

6.根据权利要求5所述的光储式电动汽车充电站光伏功率预测方法，其特征在于，所述剔除坏数据包括：

计算历史运行数据或当前运行数据中的当前地基云图数据、当前数值天气预报以及当前太阳辐照度各自的均方根误差；

若所述均方根误差大于预设的均方根误差阈值，剔除偏离平均值最大的数据；

计算剩余数据的均方根误差，若剩余数据的均方根误差仍大于所述均方根误差阈值，则继续剔除操作，直到剩余数据的均方根误差小于等于所述均方根误差阈值。

7.根据权利要求5所述的光储式电动汽车充电站光伏功率预测方法，其特征在于，所述填补缺失数据包括：

当剔除坏数据后的历史运行数据或当前运行数据中的当前地基云图数据、当前数值天气预报以及当前太阳辐照度中任一种类的数据小于预设容量密度时，通过线性插值法填补历史运行数据或当前运行数据中的当前地基云图数据、当前数值天气预报以及当前太阳辐照度各自中的缺失数据。

8.根据权利要求5所述的光储式电动汽车充电站光伏功率预测方法，其特征在于，所述数据去趋势化包括：

根据月份将填补缺失数据后的历史运行数据或当前运行数据中的当前地基云图数据、当前数值天气预报以及当前太阳辐照度分类；

分别计算各类历史运行数据或当前运行数据中的当前地基云图数据、当前数值天气预报数据和当前太阳辐照度各自在各个月份的平均值；

将所述平均值的变化趋势用曲线拟合方法进行回归，得到各类数据的偏差；

将历史运行数据或当前运行数据中的当前地基云图数据、当前数值天气预报数据和当前太阳辐照度数据减去对应的偏差，得到去趋势化之后的历史运行数据、当前地基云图数据、当前数值天气预报以及当前太阳辐照度。

9.根据权利要求5所述的光储式电动汽车充电站光伏功率预测方法，其特征在于，所述数据归一化包括：

将各类数据除以该类数据在当前月份的平均值，得到归一化处理之后的历史运行数据或当前运行数据中的当前地基云图数据、当前数值天气预报以及当前太阳辐照度。