[发明专利]一种基于数据融合的太阳能光伏功率的预测方法

权利要求书

1.一种基于数据融合的太阳能光伏功率的预测方法，在计算设备中执行，所述方法包括步骤：

获取至少一个地区的太阳能光伏功率、太阳辐射量和温度的历史时间序列数据；

将所述历史时间序列数据输入到多个预测模型中，并将输出的多个结果进行聚合操作，其中，所述多个预测模型包括带外源性输入的自回归移动平均模型和自适应神经模糊推理系统；以及

将所述聚合操作的结果输入到数据混合模型中，得到太阳能光伏功率预测值，其中，所述数据混合模型包括卷积层、长短期记忆网络层；

其中，所述带外源性输入的自回归移动平均模型的通过下述公式构建：

其中，Y_t为t时间滞后的光伏功率预测值，μ为Y_t的均值，x_it为t时间滞后在第i个时间步长处的时间序列数据，k_i为第i个输入变量的时间滞后，B为后移算子，W_i(B)和

δ_i(B)为传递函数，ε_it为t时间滞后第i个时间序列数据序列相关的均值为零的误差；

其中，所述长短期记忆网络层通过下述公式构建：

其中，j表示神经网络的层数，h_t^j和h_t-1^j为循环状态输出，O_t^j为控制内存输出量闸的输出， c_t^j为存储单元，δ为sigmoid函数，x_t为t时刻的单元输入向量，W_o和U_o为权矩阵，V_o为对角矩阵，c_t^j、和c_t^~j为记忆存储单元，f_t^j为遗忘门的激活向量，i_t^j为输入门的激活向量。

2.如权利要求1所述的方法，其中，所述将所述历史时间序列数据输入到多个预测模型的步骤，包括：

根据皮尔逊自相关得到所述历史时间序列数据中的特征向量；

将所述特征向量输入到多个预测模型中。

3.如权利要求1或2所述的方法，其中，所述带外源性输入的自回归移动平均模型的拟合由赤池信息准则和贝叶斯信息准则确定。

4.如权利要求1所述的方法，其中，所述自适应神经模糊推理系统的参数由最小二乘估计确定。

5.如权利要求1或2所述的方法，其中，所述将输出的多个结果进行聚合操作的步骤包括：

将输出的多个1 × 1维的结果进行水平连接，得到1 × n维的数据。

6.如权利要求1所述的方法，其中，所述数据混合模型还包括输入层、全连接层和输出层。

7.一种计算设备，包括：

至少一个处理器和存储有程序指令的存储器；

当所述程序指令被所述处理器读取并执行时，使得所述计算设备执行如权利要求1-6中任一项所述的方法。

8.一种存储一个或多个程序的计算机可读存储介质，所述一个或多个程序包括指令，所述指令当计算设备执行时，使得所述计算设备执行根据权利要求1-6所述的方法中的任一方法。