[发明专利]一种基于改进随机森林的光伏功率超短期预测方法

权利要求书

1.一种基于改进随机森林的光伏功率超短期预测方法，其特征在于：它包括以下步骤：1)随机森林模型的初步预测

利用随机森林模型将光伏功率历史功率进行不剪枝分裂，生成CART决策树，CART决策树是一种二分递归分割技术，在除叶节点外的每个节点，将当前样本集分割为两个子集，

CART决策树所采用的属性选择量度是基尼指数，设数据集D包含m个类别，将基尼指数G_D的计算公式定义为式(1)：

式中：p_j为j类元素出现的频率；

基尼指数需要考虑每个属性的二元划分，设属性A的二元划分将数据集D划分成D₁和D₂，

则此次在子节点以某属性A划分样本集D的基尼指数为式(2)：

通过k轮训练,得到一个分类模型序列{h₁(X),h₂(X),…,h_k(X)},再用它们构成一个多分类模型系统,该系统的最终分类结果采用简单多数投票法，

最终的分类决策结果如式(3)：

其中,H(x)表示组合分类模型,hi是单个决策树分类模型,Y表示输出变量,I(·)为示性函数，式(1)说明了使用多数投票决策的方式来确定最终的分类；

2)初步预测结果下午时段的修正

下午下降区域峰值：此时已产生当前最大出力点，采用当前最大出力点进行修正，修正方法如式(4)：

其中，P_i为初始预测值，P_imax为初始预测值峰值，P_i'为修正值，P_tmax为截至当前时刻的上一时刻实际值峰值；

3)初步预测结果上午时段的修正

在修正上午时段功率时，与下午不同的是，在上午光伏功率因太阳辐射强度的原因呈逐渐上升趋势，在待预测时刻无法得到当日实际出力峰值，从而无法根据峰值调整随机森林初始预测结果，所以采用DGM算法预测峰值进行修正；

对自有出力时刻起的功率时间序列进行DGM预测：将时间序列输入DGM模型进行预测得到趋势预测值，

则上午时段经随机森林初步预测所得预测值的校正公式为式(5)：

式中P_i为初始预测值，P_i'为修正值，T_i-1为待预测时刻前一时刻实际值，Y_t为实测功率，t_Pmax为预测值趋势线预测峰值所在时刻；

4)仿真计算

仿真输入量：对电场的实测数据进行分析，确定电场的总装机容量；输入数据：光伏电站历史功率；数据采样间隔为15min；根据步骤1)至步骤3)，得到该日预测时段的光伏功率超短期预测结果；

5)误差分析

预测结果的准确率定义为式(6)：

式中，P_M为预测光伏功率；P_P为实际光伏功率；N为预测点的个数；Cap为光伏电站开机容量，

合格率定义为式(7)：

式中，若则B_k＝1；若则B_k＝0，

预测结果均方根误差为式(8)：

平均绝对误差为式(9)：

按步骤4)输入仿真输入量，将模型计算的预测功率同实测功率经过步骤5)中的误差评价标准式(6)－式(9)进行误差计算，求得预测的均方根误差、平均绝对误差、合格率以及准确率。