[发明专利]基于GRA-LMBP权重的多天气类型下直散分离建模预测控制方法

摘要

本发明涉及一种基于GRA‑LMBP权重的多天气类型下直散分离建模预测控制方法，首先统计收集北京地区多年气象辐射数据，根据正态拟合法选取典型气象年并利用修正后的清晰度指数进行天气类型的划分；其次通过支持向量机(SVM)、基于灰色关联分析(GRA)的支持向量机GRA‑SVM和基于主成分分析(PCA)的支持向量机(PCA‑SVM)预测模型分别得出每一种天气类型下的三种单一模型预测结果，然后利用灰色关联分析得到每一种天气类型下各模型的权重系数，进而在每种天气类型下根据各个单一模型预测结果和预测权重系数拟合LMBP神经网络预测模型，最后利用LMBP模型求出的权重系数计算每种天气类型的组合预测模型预测结果。与现有技术相比，本发明具有精度高，运算稳定性强等优点。

主权项

1.基于GRA‑LMBP权重的多天气类型下直散分离建模预测控制方法，其特征在于，包括以下步骤：步骤1：统计收集地区多年气象数据和辐射数据并利用正态拟合对数据选取典型气象年，所述气象数据包括总云量和能见度，所述辐射数据包括总辐射、直接辐射和散射辐射；步骤2：对清晰度指数进行修正并根据修正后的清晰度指数划分天气类型获得每一种天气类型的占比；步骤3：针对每种天气类型分别利用主成分分析和灰色关联分析从原有多种散射比影响因子中提取主成分因子和变量；步骤4：针对每种天气类型分别利用支持向量机、基于主成分分析的支持向量机和基于灰色关联分析的支持向量机对主成分因子和变量进行训练拟合得出三种模型的预测结果；步骤5：计算各个模型的灰色关联系数并得出三种模型组合预测的某时刻的拟合值；步骤6：针对每种天气类型利用各模型的预测值、权重比之间的关系训练LMBP网络模型，再将三种单一预测模型得出所需预测时间段处的预测结果输入已训练的LMBP网络模型，输出预测时段内各单一模型的权重值；步骤7：针对每种天气类型利用所有单一模型权重值和单一模型预测值得出该种天气类型下组合模型最终预测值，并利用该最终预测值调配控制光伏发电网控制参数。