[发明专利]一种基于多算法优化的双层混合光伏预测方法及计算机设备

权利要求书

1.一种基于多算法优化的双层混合光伏预测方法，其特征在于，包括以下步骤：

步骤1：获取某地天文数据、地理数据、气象数据以及光伏历史输出功率数据；

步骤2：对步骤1中获取的数据信息进行分类和筛选，并将其划分为：时序特征量、随机特征量；

步骤3：对步骤1的气象数据，利用修正大气清晰度指数k’_T和水平面直射比B_d，运用聚类分析算法，将其划分为天气类型1，天气类型2，天气类型3；

并将天气类型2细分为天气类型2-1和天气类型2-2；

步骤4：利用集合经验模态分解EEMD方法，并根据皮尔逊相关性模型将步骤1中的光伏历史输出功率数据分成时序分量和随机分量；

所述皮尔逊相关性模型，用于构建某地光伏输出功率与某地天文、地理、气象指标的关联性，并能根据光伏历史输出功率各信号分量的关联性大小，把各信号分量划分为时序分量或随机分量；

所述关联性为各信号分量与步骤2中时序特征量的相关系数；

步骤5：结合步骤3中天气类型，构建时序训练模型，对步骤4中的时序分量进行训练，形成滑动窗口，得到时序层；

所述时序训练模型为经过引力搜索算法GSA优化的长短期记忆人工神经网络LSTM模型；

步骤6：结合步骤3中天气类型，构建随机训练模型，对步骤4中的随机分量进行训练,得到随机层；

所述随机训练模型为经过贝叶斯优化的机器学习模型；

步骤7：叠加步骤5中时序层和步骤6中随机层，得到光伏出力预测模型；

所述光伏出力预测模型能够根据某地某时的天文数据、地理数据、气象数据，得到某时间段的光伏输出功率。

2.根据权利要求1所述的一种基于多算法优化的双层混合光伏预测方法，其特征在于，

所述步骤1中，获取的数据特征量包括年，月，日，时，本站气压，环境温度，相对湿度，降水，平均风速，水平能见度，总云量，赤纬角，时角，修正大气清晰度指数，地外总辐射，水平面总辐射，散射辐射，法向辐射，反射辐射和日照百分率。

3.根据权利要求2所述的一种基于多算法优化的双层混合光伏预测方法，其特征在于，

所述步骤2中对获取的数据进行处理，包括对获取的某地天文、地理和气象数据进行分类，筛选；

其中时序特征量包括年、月、日、时、赤纬角、时角、地外总辐射I₀；

所述随机特征量包括本站气压，环境温度，相对湿度，降水，平均风速，水平能见度，总云量，修正大气清晰度指数，水平面总辐射，散射辐射，法向辐射，反射辐射和日照百分率；

同时筛除异常值，其包括筛除太阳高度角小于10°的数据。

4.根据权利要求1所述的一种基于多算法优化的双层混合光伏预测方法，其特征在于，

所述步骤3中的天气类型1为恶劣天气，天气类型2为转折天气，天气类型3为晴空天气，天气类型2-1为晴转阴，天气类型2-2为阴转晴。

5.根据权利要求1所述的一种基于多算法优化的双层混合光伏预测方法，其特征在于，

所述步骤3中聚类分析算法为二阶聚类和逻辑回归；

所述修正大气清晰度指数k’_T，其计算公式为：

式中，k_T为修正前的大气清晰度指数，m为大气质量；

所述修正前的大气清晰度指数，其计算公式为：

式中，I表示获取的气象数据中的水平面总辐射，γ为日地距离订正系数，E_SC为太阳常数，取值为1367±7W/m²，δ为赤纬角，φ和ω分别为纬度和时角；

所述赤纬角，其计算公式为：

式中，n为所求日期在一年中的日序数；

所述日地距离订正系数，其计算公式为：

式中，n为所求日期在一年中的日序数。