[发明专利]基于分类和误差组合预测的太阳能光伏发电量预测方法

摘要

本发明公开了一种分类和误差组合预测的太阳能光伏发电量预测方法，包括S1、将预测数据根据时间确定其，根据预测日期的气象数据和历史气象数据采用KNN算法确定其天气类型；S2、分类后采用相应的组合预测模型，应用MPSO‑BP神经网络和灰色模型GM(1，1)分别进行预测得到各自的预测输出；S3、应用样本训练数据得到的误差矩阵，求得各自组合预测的权值矩阵；S4、根据权值矩阵将两部分预测输出值进行组合，最后得到太阳能光伏发电量。该方法分类后再根据误差得到每个输出点的权值，从而得到的预测结果更加可靠，实现对太阳能光伏发电量的可靠预测。

主权项

1.基于分类和误差组合预测的太阳能光伏发电量预测方法，其特征在于，包括以下步骤：S1、从气象站获取太阳能光伏发电量预测日的气象数据；S2、确定该气象数据所属季节中的天气类型，将预测日的气象数据输入到该天气类型下对应的训练好的MPSO‑BP神经网络中，得到第一太阳能发电量输出时间序列同时将预测日的气象数据输入到该天气类型下对应的训练好的灰色模型GM(1,1)中，得到第二太阳能发电量输出时间序列S3、将第一太阳能发电量输出时间序列与对应的训练好的MPSO‑BP神经网络中的组合预测矩阵W_BP相乘，得到第一太阳能发电预测量Y_BP；同时将第二太阳能发电量输出时间序列与对应的训练好的灰色模型GM(1,1)中的组合预测矩阵W_GM相乘，得到第二太阳能发电预测量Y_GM；S4、将第一太阳能发电预测量Y_BP和第二太阳能发电预测量Y_GM相加，得到太阳能光伏发电量预测日的预测发电量Y_P。