[发明专利]一种基于特征选择的集成光伏发电量中长期预测方法

权利要求书

1.一种基于特征选择的集成光伏发电量中长期预测方法，其特征在于：

所述预测方法依次按照以下步骤进行：

S1、获取影响光伏发电量的影响因素变量；

S2、依次采用相关性分析、后向消除法对影响因素变量进行特征选择；

S3、建立预测模型，获取步骤S2中所选择的影响因素变量的历史数据，并将其作为预测模型的输入，对预测模型进行训练与预测，得到光伏发电量的中长期预测值。

2.根据权利要求1所述一种基于特征选择的集成光伏发电量中长期预测方法，其特征在于：

步骤S2中，所述相关性分析具体为：计算任意两个影响因素变量之间的相关系数，若相关系数的绝对值大于预设值，则表示两个影响因素变量之间具有多重共线性，保留与光伏发电量之间相关系数最高的影响因素变量，将其他具有多重共线性的影响因素变量排除。

3.根据权利要求2所述一种基于特征选择的集成光伏发电量中长期预测方法，其特征在于：

步骤S2中，所述相关系数的计算公式如下：

上式中，ρ为相关系数，X_i为样本X的第i个数据，为样本X的平均值，σ_X为样本X的标准差，Y_i为样本Y的第i个数据，为样本Y的平均值，σ_Y为样本Y的标准差。

4.根据权利要求2所述一种基于特征选择的集成光伏发电量中长期预测方法，其特征在于：

步骤S2中，所述后向消除法具体为：

A、将光伏发电量作为因变量，将经相关性分析得到的影响因素变量作为自变量，构建回归模型：

y＝β₀+β₁x₁+β₂x₂+…+β_mx_m

上式中，y为光伏发电量样本，x₁、x₂，…，x_m为影响因素变量样本，β₀、β₁，…，β_m为回归系数，m为影响因素变量的个数；

B、对每个回归系数进行显著性检验，得到与回归系数相对应的检验统计量t值和概率P值，选出最大的概率P值，若最大的概率P值小于预设的显著性水平α，则后向消除结束，若最大的概率P值大于预设的显著性水平α，则在回归模型中剔除与该最大的概率P值对应的影响因素变量，随后返回步骤A，直至回归模型中没有影响因素变量需要被剔除。

5.根据权利要求1或2所述一种基于特征选择的集成光伏发电量中长期预测方法，其特征在于：

步骤S1中，所述影响因素变量包括光伏发电量、居民消费价格指数、系统边际成本SMP、人均消费水平GDP、可再生能源组合标准RPS、光伏安装价格、光伏功率损耗、光伏最大功率、平均温度、平均日照小时数、人口密度。

6.根据权利要求1或2所述一种基于特征选择的集成光伏发电量中长期预测方法，其特征在于：

所述步骤S3依次按照以下步骤进行：

步骤S31、获取步骤S2中所选择的影响因素变量的历史数据，并将其划分为训练集、验证集、测试集；

步骤S32、利用训练集、验证集对三种预测模型分别进行训练和预测，得到三种预测模型对应的预测值；

步骤S33、将验证集中的实际值与三种预测模型对应的预测值作为输入，对集成模型进行训练，利用测试集采用训练好的集成模型对光伏发电量进行预测，即可得到光伏发电量的中长期预测值。

7.根据权利要求6所述一种基于特征选择的集成光伏发电量中长期预测方法，其特征在于：

步骤S32中，所述三种预测模型分别为ARIMA模型、LSTM模型、VAR模型。

8.根据权利要求6所述一种基于特征选择的集成光伏发电量中长期预测方法，其特征在于：

步骤S33中，所述集成模型为CNN集成模型。