[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

说明书

一种基于特征选择的集成光伏发电量中长期预测方法，先获取影响光伏发电量的影响因素变量，然后利用相关性分析和后向消除法对影响因素变量进行特征选择，再建立预测模型，获取前面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。本方法先通过相关性分析和后向消除法进行特征选择，再将选择的影响因素变量作为预测模型的输入，能够防止拟合过度和多重共线性，从而提高了模型预测的准确性和可靠性。

技术领域

本发明属于电力技术领域，具体涉及一种基于特征选择的集成光伏发电量中长期预测方法，适用于提高光伏发电量预测结果的准确性和可靠性。

背景技术

目前针对已经安装的光伏及其生产的光伏发电预测研究中，用于预测的输入变量通常仅限于天气和设备相关值，虽然天气和设备变量是已安装光伏发电预测的重要因素，由于现有的光伏发电量预测影响因素选择过少，具有局限性，将显著影响光伏发电量波动，但是若光伏发电预测的影响因素加入过多，模型学习预测时容易发生过拟合和多重共线性，降低预测准确性和可靠性。因此，存在预测准确性低且可靠性差的问题。

发明内容

本发明的目的是克服现有技术存在的上述问题，提供一种能够提高预测结果准确性和可靠性的基于特征选择的集成光伏发电量中长期预测方法。

为实现以上目的，本发明提供了以下技术方案：

一种基于特征选择的集成光伏发电量中长期预测方法，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。

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。

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。

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。