[发明专利]一种光伏短期功率预测模型训练方法、预测方法及装置

权利要求书

1.一种光伏短期功率预测模型训练方法，其特征在于，包括：

S1、根据获取的历史环境数据和历史光伏发电功率数据生成训练样本和测试样本；

S2、在确定极限学习机的网络结构后，对麻雀种群的位置、第一迭代次数t₁和第二迭代次数t₂进行初始化，其中，所述麻雀种群中每只麻雀个体的位置对应所述极限学习机的一组网络参数；

S3、通过所述训练样本对当代麻雀种群中各麻雀个体对应的极限学习机进行训练，得到各麻雀个体对应的初始光伏短期功率预测模型；

S4、根据所述测试样本输入到各麻雀个体对应的所述初始光伏短期功率预测模型得到的功率预测值和所述测试样本的历史光伏发电功率数据计算各麻雀个体的适应度值；

S5、判断第一迭代次数t₁是否达到第一预设迭代次数，若否，则将所述适应度值最大的麻雀个体作为发现者，剩余麻雀个体作为跟随者，基于所述发现者和所述跟随者的位置更新当代麻雀种群的位置，得到下一代麻雀种群的位置，设置t₁＝t₁+1，并返回步骤S3，若是，则输出当代麻雀种群的位置，并执行步骤S6；

S6、判断第二迭代次数t₂是否达到第二预设迭代次数，若否，则根据全局最佳位置，通过预设位置更新公式更新当代麻雀种群的位置，得到下一代麻雀种群的位置，其中，所述预设位置更新公式为：

式中，为第二迭代次数t₂的当代麻雀种群中第i只麻雀个体在第j维的位置，为下一代麻雀种群中第i只麻雀个体在第j维的位置，K为预设系数，θ为常数，X_best为全局最佳位置，u、v为预置参数，由正态分布曲线确定，设置t₂＝t₂+1，并返回步骤S3，若是，则将全局最佳位置还原为所述极限学习机的网络参数，得到最终光伏短期功率预测模型，其中，所述全局最佳位置通过所述适应度值从所有代麻雀种群的位置中确定得到。

2.根据权利要求1所述的光伏短期功率预测模型训练方法，其特征在于，所述根据所述测试样本输入到各麻雀个体对应的所述初始光伏短期功率预测模型得到的功率预测值和所述测试样本的历史光伏发电功率数据计算各麻雀个体的适应度值，包括：

将所述测试样本输入到各麻雀个体对应的所述初始光伏短期功率预测模型，得到所述测试样本在各所述初始光伏短期功率预测模型的功率预测值；

计算所述测试样本在各所述初始光伏短期功率预测模型的功率预测值与该测试样本的历史光伏发电功率数据的比值，得到所述测试样本在各所述初始光伏短期功率预测模型的预测效率；

计算所述测试样本在各所述初始光伏短期功率预测模型的预测效率的平均值，得到各所述初始光伏短期功率预测模型对应的麻雀个体的适应度值。

3.根据权利要求1所述的光伏短期功率预测模型训练方法，其特征在于，所述基于所述发现者和所述跟随者的位置更新当代麻雀种群的位置，包括：

根据所述发现者的位置和所述第一预设迭代次数更新所述发现者的位置；

根据所述适应度值对所述跟随者的位置进行降序排序，并根据下一次迭代的发现者的位置对排序后的前预置数量个的追随者的位置进行更新；

根据所述适应度值从各代麻雀种群的位置中确定全局最差位置，根据所述全局最差位置和麻雀个体数量对剩余追随者的位置进行更新。

4.根据权利要求1所述的光伏短期功率预测模型训练方法，其特征在于，所述历史环境数据包括历史环境温度数据、历史光照强度数据和历史环境湿度数据。

5.一种光伏短期功率预测方法，其特征在于，包括：

将当前时刻前的第一预置时间段的历史环境数据输入到最终光伏短期功率预测模型进行光伏短期功率预测，得到当前时刻后的第二预置时间段后的光伏短期功率预测值；

其中，所述最终光伏短期功率预测模型通过权利要求1-4任一项所述的光伏短期功率预测模型训练方法训练得到。