[发明专利]基于GammaTest和NSGA‑II的分布式光伏出力预测输入变量降维方法

摘要

一种基于Gamma Test和NSGA‑II的分布式光伏出力预测输入变量降维方法，包括以下步骤步骤1.原始输入变量；步骤2.数据预处理；步骤3.构造新的变量因子；步骤4.计算输入变量的影响因子以步骤2中经过预处理的数据和步骤3中引入的新变量作为输入变量，首先采用Gamma Test对输入变量的噪声方差进行估计，其次，构造适应度函数，采用NSGA‑II多目标遗传算法对输入变量的影响因子进行计算；步骤5.构造降维后的输入特征向量；根据步骤4中输入变量的影响因子确定降维后的输入变量，构造输入特征向量。本发明有效降低输入变量维度、提升预测精度。

主权项

一种基于Gamma Test和NSGA‑II的分布式光伏出力预测输入变量降维方法，其特征在于：所述降维方法包括以下步骤：步骤1.原始输入变量分布式光伏出力预测的原始输入变量包括历史功率序列和气象数据序列，所述历史功率数据序列来自光伏电站电力参数检测装置，所述气象数据序列来自光伏气象站；步骤2.数据预处理对原始输入变量进行数据预处理，首先对数据进行去噪处理，其次，对数据进行归一化处理；步骤3.构造新的变量因子引入新的变量因子，包括组件温度、小波分析数据以及晴空指数，所述组件温度指光伏电池板表面的温度，所述小波分析数据指采用小波分析法将光伏电站输出功率分解为低频分量和高频分量，所述晴空指数指入射到水平面的实际辐射与晴空条件下的理论辐射之比；步骤4.计算输入变量的影响因子以步骤2中经过预处理的数据和步骤3中引入的新变量作为输入变量，首先采用Gamma Test对输入变量的噪声方差进行估计，其次，构造适应度函数，采用NSGA‑II多目标遗传算法对输入变量的影响因子进行计算；步骤5.构造降维后的输入特征向量根据步骤4中输入变量的影响因子确定降维后的输入变量，构造输入特征向量。