[发明专利]一种基于多维泰勒宽网的电量预测方法及系统

权利要求书

1.一种基于多维泰勒宽网的电量预测方法，其特征在于，包括：

基于获取当前时刻之前一段时间的，影响光伏发电的各变量参数时序值及实际发电量时序值；

将所述各变量参数时序值及实际发电量时序值带入预先确定的预测模型得到预测时段连续时刻的预测发电量；

所述预测模型利用相邻时刻具有拟合特性的卡尔曼滤波权重更新模型对多维泰勒宽网结构的权重进行修改确定的。

2.如权利要求1所述的方法，其特征在于，所述预测模型的构建包括：

基于影响光伏发电的各变量参数为输入层的输入数据、以发电量为电量输出层，以残差电量为残差输出层，对多维泰勒网进行训练，构建多维泰勒宽网结构；

基于所述多维泰勒宽网结构，利用历史时段所述各变量参数历史时序数据和对应的历史发电时序数据进行训练确定相邻时刻具有拟合特性的卡尔曼滤波权重更新模型；

利用所述权重更新模型，采用卡尔曼滤波器对多维泰勒宽网结构的权重进行修改得到下一时刻的预测模型；

所述残差电量基于电量实际值和预测值确定。

3.如权利要求2所述的方法，其特征在于，所述多维泰勒宽网结构的构建包括：

基于多维泰勒网，以影响光伏发电的各变量参数为输入层的输入数据，以各输入数据的各幂次乘积项单元的加权求和为中间层，以历史发电量为输出层，确定多维泰勒网结构，所述输出层与所述中间层的权重为第一权重

利用各变量参数历史值和对应的历史发电量对所述多维泰勒宽网结构进行一次训练第一预测发电量；

基于所述历史发电量和所述第一预测发电量的差值确定残差；

以所述残差为残差输出层，以所述各变量参数为输入层的输入数据，以所述残差输出层与所述中间层的权重为第二权重进行二次训练，确定第二权重值；

基于所述第一权重和第二权重确定修正后的权重ω；

将所述修正后的权重ω带入所述多维泰勒网中得到多维泰勒宽网结构。

4.如权利要求2所述的方法，其特征在于，所述残差输出层的计算式如下：

其中，y(k+1)为历史时段中，k+1时刻发电量；为k+1时刻电量预测值，为k时刻修正权重，为k+1时刻电量预测残差，为k时刻多维泰勒网络节点值。

5.如权利要求2所述的方法，其特征在于，所述相邻时刻具有拟合特性的卡尔曼滤波权重更新模型的计算式如下：

式中，和分别为k时刻和k+1时刻的第一权重，和分别为k时刻和k+1时刻的第二重变量，和均为k时刻的高斯白噪声序列，为卡尔曼滤波模型的发电量观测值，为卡尔曼滤波模型的发电量残差观察值，为k时刻多维泰勒网络节点值。

6.如权利要求2所述的方法，其特征在于，所述将所述各变量参数时序值及实际发电量时序值带入预先确定的预测模型得到预测时段连续时刻的预测发电量，包括：

基于所述实际发电量时序数据，利用多维泰勒宽网结构的残差输出层的计算式确定残差时序数据，以及预测时段初始时刻的和

基于所述实际发电量时序数据和残差时序数据确定预测时段初始时刻的实际发电量预测误差协方差矩阵和发电量残差预测误差协方差矩阵

基于所述各变量参数时序数据、实际发电量时序数据、初始时刻的和利用所述相邻时刻具有拟合特性的卡尔曼滤波权重更新模型，采用卡尔曼滤波器和滑窗法对多维泰勒宽网结构的权重进行修改，确定下一时刻的预测发电量；进而通过迭代计算确定预测时段任意时刻的预测发电量。