[发明专利]基于GRA-LMBP权重的多天气类型下直散分离建模预测控制方法

权利要求书

1.基于GRA-LMBP权重的多天气类型下直散分离建模预测控制方法，其特征在于，包括以下步骤：

步骤1：统计收集地区多年气象数据和辐射数据并利用正态拟合对数据选取典型气象年，所述气象数据包括总云量和能见度，所述辐射数据包括总辐射、直接辐射和散射辐射；

步骤2：对清晰度指数进行修正并根据修正后的清晰度指数划分天气类型获得每一种天气类型的占比；

步骤3：针对每种天气类型分别利用主成分分析和灰色关联分析从原有多种散射比影响因子中提取主成分因子和变量；

步骤4：针对每种天气类型分别利用支持向量机、基于主成分分析的支持向量机和基于灰色关联分析的支持向量机对主成分因子和变量进行训练拟合得出三种模型的预测结果；

步骤5：计算各个模型的灰色关联系数并得出三种模型组合预测的某时刻的拟合值；

步骤6：针对每种天气类型利用各模型的预测值、权重比之间的关系训练LMBP网络模型，再将三种单一预测模型得出所需预测时间段处的预测结果输入已训练的LMBP网络模型，输出预测时段内各单一模型的权重值；

步骤7：针对每种天气类型利用所有单一模型权重值和单一模型预测值得出该种天气类型下组合模型最终预测值，并利用该最终预测值调配控制光伏发电网控制参数。

2.根据权利要求1所述的基于GRA-LMBP权重的多天气类型下直散分离建模预测控制方法，其特征在于，所述的步骤2中的修正后的清晰度指数，其计算公式为：

式中，为修正后的清晰度指数，k_T为清晰度指数，m为大气质量。

3.根据权利要求2所述的基于GRA-LMBP权重的多天气类型下直散分离建模预测控制方法，其特征在于，所述的步骤2中的天气类型包括根据修正后的清晰度指数的范围区间确定的不同天气类型：

当时，天气类型为晴、晴转多云、多云转晴；

当时，天气类型为多云、阴转多云、多云转阴；

当时，天气类型为小雨、阵雨、小雪、轻雾、霾；

当时，天气类型为中雨、大雨、中雪、大雪。

4.根据权利要求1所述的基于GRA-LMBP权重的多天气类型下直散分离建模预测控制方法，其特征在于，所述步骤3中的主成分分析包括以下步骤：

S1：选取修正清晰度指数、PM2.5、总云量和能见度的数据进行KMO检验和Bartlett球形检验；

S2：利用气象因子的标准化矩阵得出影响因子相关系数矩阵并进一步得出影响因子相关系数矩阵的特征值和特征向量；

S3：利用贡献率和累计贡献率在设定范围内的特征值以确定主成分个数；

S4：利用特征向量、气象因子的标准化矩阵和主成分个数得出主成分矩阵。

5.根据权利要求4所述的基于GRA-LMBP权重的多天气类型下直散分离建模预测控制方法，其特征在于，所述设定范围为75％～95％。

6.根据权利要求1所述的基于GRA-LMBP权重的多天气类型下直散分离建模预测控制方法，其特征在于，步骤3中的灰色关联度分析包括以下步骤：

S01：设定参考序列和比较序列，所述参考序列采用散射比，所述比较序列采用散射比的各种气象影响因子；

S02：对设定的序列进行归一化处理；

S03：计算关联系数；

S04：计算灰色关联度；

S05：按照灰色关联度排序结果确定系统主要影响因子。

7.根据权利要求6所述的基于GRA-LMBP权重的多天气类型下直散分离建模预测控制方法，其特征在于，所述步骤S03中的关联系数的计算公式为：

式中，ξ_i(k)表示关联系数，x₀(k)表示参考序列中第k个散射比，x_i(k)表示比较序列中第k个气象影响因子，ρ表示分辨系数。

8.根据权利要求6所述的基于GRA-LMBP权重的多天气类型下直散分离建模预测控制方法，其特征在于，所述步骤S04中的灰色关联度的计算公式为：

式中，r_i为灰色关联度。