[发明专利]一种清洁能源电量分解预测方法

权利要求书

1.一种清洁能源电量分解预测方法，其特征在于：

第一步：设定多项清洁能源电量参数；

第二步：根据历史清洁能源电量数据，将历史清洁能源电量分为历史清洁能源稳定电量和历史清洁能源波动电量；

第三步：从电力数据中提取第一历史电量数据和第二历史电量数据，将第一历史电量数据和第二历史电量数据均分为历史清洁能源稳定电量和历史清洁能源波动电量，构建神经网络的预测模型采用神经网络算法进行预测，获得历史清洁能源稳定电量和历史清洁能源波动电量各自的清洁能源电量参数预测数据；

第四步：分别针对历史清洁能源稳定电量和历史清洁能源波动电量，

将第三步预测得到的各类清洁能源电量参数预测数据分别与历史清洁能源稳定电量和历史清洁能源波动电量进行精度计算，

并将预测精度E作为精度判断标准，不断调整预测模型中神经网络内部的参数使得预测精度E大于等于90％，则认为得到的神经网络满足精度要求，神经网络作为最终预测模型；

第五步：用第四步获得的预测模型进行针对待测的当前的清洁能源电量参数输入进行预测，计算获得预测结果。

2.根据权利要求1所述的一种清洁能源电量分解预测方法，其特征在于：

所述第一步具体包括多项清洁能源电量参数为日最高清洁能源电量、日最低清洁能源电量和日平均清洁能源电量。

3.根据权利要求1所述的一种清洁能源电量分解预测方法，其特征在于：

所述第二步中具体为：其中第i年的历史清洁能源稳定电量是指根据前i-1年的历史的清洁能源电网采用时间序列预测方法预测得到的电量数据，作为历史清洁能源稳定电量；第i年的历史清洁能源波动电量是指第i年的历史清洁能源实际电量减去第i年的历史清洁能源稳定电量。

4.根据权利要求1所述的一种清洁能源电量分解预测方法，其特征在于：

所述第三步具体为：从电力数据中提取获得第一历史电量数据和第二历史电量数据，其中，第一历史电量数据分为第一历史清洁能源稳定电量数据和第一历史清洁能源波动电量数据，是指前n年各天的历史清洁能源稳定电量和历史清洁能源波动电量，第二历史电量数据分为第二历史清洁能源稳定电量数据和第二历史清洁能源波动电量数据，是指第n+1年各天的历史清洁能源稳定电量和历史清洁能源波动电量；分别针对历史清洁能源稳定电量和历史清洁能源波动电量进行第n+1年的三类清洁能源电量参数的预测，神经网络具体为：

针对历史清洁能源稳定电量的某一清洁能源电量参数的预测，神经网络的输入层为第i-1年的第一历史清洁能源稳定电量数据，输出层为第i年的第一历史清洁能源稳定电量数据；将第1年到第n-1年的数据依次输入，训练神经网络；

利用训练完成的神经网络，输入第n年的第一历史清洁能源稳定电量数据预测第n+1年的第一历史清洁能源稳定电量所对应的清洁能源电量参数预测数据，依次针对三类清洁能源电量参数进行预测，直到得到第n+1年的历史清洁能源稳定电量的三类清洁能源电量参数预测数据；

同理针对历史清洁能源波动电量的某一清洁能源电量参数的预测，神经网络输入层为第i-1年的第一历史清洁能源波动电量数据，输出层为第i年的第一历史清洁能源波动电量数据；将第1年到第n-1年的数据依次输入，训练神经网络。利用训练完成的神经网络，输入第n年的第一历史清洁能源波动电量数据预测第n+1年的第一历史清洁能源波动电量所对应的清洁能源电量参数预测数据，依次针对三类清洁能源电量参数进行预测，直到得到第n+1年的历史清洁能源波动电量的三类清洁能源电量参数预测数据。