[发明专利]基于DGM-RNN的日前光伏功率预测方法及系统

权利要求书

1.一种基于DGM-RNN的日前光伏功率预测方法，其特征在于：包括以下步骤：

获取待预测日前一日的日平均环境数据；

根据获取的数据，基于灰色预测模型得到待预测日的总光伏功率预测值，基于循环神经网络得到待预测日的日间小时功率预测结果；

将总光伏功率预测值和日间小时功率预测结果输入到预设长短期记忆网络中，得到更新后的日间小时功率预测结果。

2.如权利要求1所述的基于DGM-RNN的日前光伏功率预测方法，其特征在于：

日平均环境数据包括日平均辐射量、日平均气温、日平均湿度、日最高温度和日最低温度。

3.如权利要求1所述的基于DGM-RNN的日前光伏功率预测方法，其特征在于：

在理想天气条件下，根据春夏秋冬四个季节分别构建四种不同的循环神经网络模型，在不同的季节采用不同的循环神经网络模型。

4.如权利要求1所述的基于DGM-RNN的日前光伏功率预测方法，其特征在于：

灰色预测模型采用DGM(1，1)模型，具体为：

其中，β₁和β₂分别是比例系数和截距系数。

5.如权利要求4所述的基于DGM-RNN的日前光伏功率预测方法，其特征在于：

6.如权利要求4所述的基于DGM-RNN的日前光伏功率预测方法，其特征在于：

DGM(1，1)模型的时间序列为：

7.如权利要求1所述的基于DGM-RNN的日前光伏功率预测方法，其特征在于：

循环神经网络中，输入进入LSTM单元后，它单独通过激活函数，并将信息传送至输入门，处理单元可以决定通过输入门写入某部分具体信息，并通过更新门创建新单元值的向量；单元存储器通过t-1时刻的数值与忘记门和写入门的值交互递归地更新自身。

8.一种基于DGM-RNN的日前光伏功率预测系统，其特征在于：包括：

数据获取模块，被配置为：获取待预测日前一日的日平均环境数据；

初步预测模块，被配置为：根据获取的数据，基于灰色预测模型得到待预测日的总光伏功率预测值，基于循环神经网络得到待预测日的日间小时功率预测结果；

预测更新模块，被配置为：将总光伏功率预测值和日间小时功率预测结果输入到预设长短期记忆网络中，得到更新后的日间小时功率预测结果。

9.一种计算机可读存储介质，其上存储有程序，其特征在于，该程序被处理器执行时实现如权利要求1-7任一项所述的基于DGM-RNN的日前光伏功率预测方法中的步骤。

10.一种电子设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-7任一项所述的基于DGM-RNN的日前光伏功率预测方法中的步骤。