[发明专利]基于分类和误差组合预测的太阳能光伏发电量预测方法

权利要求书

1.基于分类和误差组合预测的太阳能光伏发电量预测方法，其特征在于，包括以下步骤：

S1、从气象站获取太阳能光伏发电量预测日的气象数据；

S2、确定该气象数据所属季节中的天气类型，将预测日的气象数据输入到该天气类型下对应的训练好的MPSO-BP神经网络中，得到第一太阳能发电量输出时间序列

同时将预测日的气象数据输入到该天气类型下对应的训练好的灰色模型GM(1,1)中，得到第二太阳能发电量输出时间序列

S3、将第一太阳能发电量输出时间序列与对应的训练好的MPSO-BP神经网络中的组合预测矩阵W_BP相乘，得到第一太阳能发电预测量Y_BP；

同时将第二太阳能发电量输出时间序列与对应的训练好的灰色模型GM(1,1)中的组合预测矩阵W_GM相乘，得到第二太阳能发电预测量Y_GM；

S4、将第一太阳能发电预测量Y_BP和第二太阳能发电预测量Y_GM相加，得到太阳能光伏发电量预测日的预测发电量Y_P。

2.根据权利要求1所述的基于分类和误差组合预测的太阳能光伏发电量预测方法，其特征在于，所述步骤S1中的气象数据包括最高气温值、最低气温值、每隔三小时的温度值、最高温度与前一日最高温度的差值、最低温度与前一日最低温度的差值、相对湿度和数值化的紫外线强度。

3.根据权利要求1所述的基于分类和误差组合预测的太阳能光伏发电量预测方法，其特征在于，所述步骤S2中的气象数据所属季节包括春季、夏季、秋季和冬季；每个季节均包括晴天、阴天和雨天三种天气类型；

每个季节中的每个天气类型下均有一个对应的训练好的MPSO-BP神经网络和训练好的灰色模型GM(1,1)。

4.根据权利要求3所述的基于分类和误差组合预测的太阳能光伏发电量预测方法，其特征在于，所述灰色模型GM(1,1)为：

式中，y⁽¹⁾(k_{i+1 j})表示预测得到的第j个样本的第i+1个输出点的累加序列值；

y⁽¹⁾(k_ij)表示第j个样本的第i个输出点的累加序列值；

m为样本中输出点数目；

u，a模型待求参数；

u和a根据输入到灰色模型中的数据确定。

5.根据权利要求4所述的基于分类和误差组合预测的太阳能光伏发电量预测方法，其特征在于，所述步骤S2中训练一个天气类型下对应的灰色模型GM(1,1)的方法具体为：

A1、从气象站获取不同季节中三种天气类型的历史气象数据；

A2、将同一季节中的同一天气类型下的历史气象数据分为一类；

A3、根据同类历史气象数据中的日期数据，获取相应日期中的实际太阳能光伏发电量历史数据，并将其作为训练样本输入到灰色模型GM(1,1)中；

A4、根据训练样本的前j×m+i个点的数据，计算灰色模型的累加序列y⁽¹⁾，并建立其对应的计算矩阵；

A5、根据计算矩阵，通过最小二乘法计算灰色模型中的u和a，并将其带入累加序列y⁽¹⁾中，得到y⁽¹⁾(k_{i+1 j})，完成灰色模型GM(1,1)的训练。