[发明专利]一种基于云模型的光伏出力预测方法

权利要求书

1.一种基于云模型的光伏出力预测方法，其特征在于，包括以下步骤：

步骤一、利用云模型拟合环境温度、环境湿度、辐射强度3种光伏出力的影响因子的频率分布函数；

步骤二、通过云合并进行概念跃升，构建隶属度函数进行数据划分；

步骤三、结合Apriori算法获取各影响因子之间的联系，建立云规则发生器；

步骤四、对光伏发电的出力进行预测，获取在不同置信区间下的预测结果集。

2.如权利要求1所述的基于云模型的光伏出力预测方法，其特征在于，步骤一统计分析环境温度、环境湿度、辐射强度的历史统计数据，剔除校正不合理数据后，生成生成各自的频率分布曲线；将高斯拟合方法中的正态函数替换为模糊数学中的高斯云模型，然后依次对3个频率分布函数进行拟合，最终得到由多个高斯云模型表示的各影响因子频率分布函数。

3.如权利要求1所述的基于云模型的光伏出力预测方法，其特征在于，步骤二对形成的高斯云模型，逐步合并其中最近的2个高斯云模型，将合并后的云模型作为隶属度函数进行数据论域划分，合并公式如下：

设给定2个相邻的云模型C₁(熵E_n1,期望值E_x1,超熵H_e1)和C₂(熵E_n2,期望值E_x2,超熵H_e2),并满足E_X1≥E_X2，令合并后的云模型为C(E_n,E_x,H_e)，则其数字特征为：

合并后云概念的数字特征如表1-4所示；

表1环境温度的云概念数字特征

表2环境湿度的云概念数字特征

表3辐射强度的云概念数字特征

表4光伏出力的云概念数字特征

4.如权利要求1所述的基于云模型的光伏出力预测方法，其特征在于，步骤三利用步骤二的隶属度函数，将3个影响因子和光伏出力的历史数据转换为定性概念，采用Apriori算法对这些定性概念进行关联生成N种定性概念组合，只要某组情况出现重复4次以上就认为数据之间存在相应的关联，得到M组有一定相关性的概念组合，其形象化表示为：if(A,B，C)then(D)；将3条件组合拆分为3个双条件组合：if(A,B)then(D₁)，if(A,C)then(D₂)，if(B,C)then(D₃)，其中，任取D₁，D₂，D₃，只需满足D＝(D₁+D₂+D₃)/3即可；按照3个条件的组合，将双条件作为规则发生器前件的输入，结论D作为规则后件的输出，构造3个规则发生器，然后求取平均值，作为最后的输出。

5.如权利要求1所述的基于云模型的光伏出力预测方法，其特征在于，步骤四设预测时间点前一时刻的环境温度、环境湿度和辐射强度(x₁,x₂,x₃)，分别将(x₁,x₂)、(x₂,x₃)，(x₁,x₃)输入前述组合发生器，每个双条件单规则发生器的前件都会得到一个激活强度；在得到的n个激活强度μ₁,μ₂,…,μ_n中，找出最大值μ_max，将该规则的后件作为响应预测知识的历史规律；对该规则后件的输出进行采样，计算采样值的期望值和方差，采样结果集服从方差为Dx，数学期望为X的正态分布；采取不同的置信区间生成光伏出力的预测结果集。