(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111118250.1 (22)申请日 2021.09.24 (71)申请人 沈阳工程学院 地址 110000 辽宁省沈阳市沈北新区蒲昌 路18号 (72)发明人 高庆忠　何雨桐　王亚茹　赵涛　 周航　赵琰　姜河　王东来　 李昱材　叶瀚文　白金禹　安琦　 胡宸嘉　辛长庆　李兆滢　姜铭坤　 魏莫杋　 (74)专利代理 机构 沈阳之华 益专利事务所有限 公司 21218 代理人 黄英华 (51)Int.Cl. G06F 30/27(2020.01)G06N 20/10(2019.01) G06Q 10/04(2012.01) G06Q 50/06(2012.01) H02J 3/00(2006.01) (54)发明名称 一种光伏发电功率预测方法 (57)摘要 本发明公布了一种光伏发电功率预测方法， 包括如下步骤： 获取某地区的光伏电站同一时刻 的气象数据与历史发电功率数据， 补充缺失数据 并剔除异常数据； 对预测日气象因素与历史发电 功率进行分析与量化， 采用数据归一化统一修正 后的数据的量纲。 构建组合SV M模型； 构建孤立森 林模型。 将模 型输出的预测功率与理论功率进行 对比， 当误差在允许范围内， 则输出预测结果， 当 误差不满足要求时， 进行迭代修正， 直至误差满 足要求。 将训练集和历史功率的测试集输入发电 预测模型， 得到预测功率。 本发明能够减小预测 误差， 提高预测精度， 在有效提高光伏发电利用 率的同时具有较强的泛化能力。 权利要求书3页 说明书8页 附图2页 CN 114004139 A 2022.02.01 CN 114004139 A 1.一种光伏发电功率预测方法， 其特 征在于包括以下步骤： 步骤1： 获取某地区的光伏电站同一时刻的气象数据与历史发电功率， 补充缺失数据并 剔除异常数据； 步骤2： 异常数据处理结束后， 采用归一化方法进行数据预处理， 将原始数据A通过min ‑ max标准化映射区间， 所述归一 化处理为： min A为原始数据的最小值， max  A为原始数据的最大值， A*为经过归 一化处理后所得的 数据值； 步骤3： 构建SVM组合模型： 经灰色关联分析取得对于某地区光伏发电功率影响最大的前q项气象影响因素， 并按 关联性由大到小排列； 对于给定样本组成的样本集合(Uj,Zj),(Uj,Zj)∈Rn×R， 其中Uj∈Rn 为输入SVM模型的气象影响因素,Zj∈R为所求光伏发电输出功率； j为影响因素个数， 经过 筛选输入影响最大的前q个 影响因素， j＝1,2,. ..,q， 并构造线性回归函数： 式中， 为非线性函数， 其作用为将样本数据映射到高纬度的特征空间； η为加 权向 量； b为阈值， 是常数； ε不敏感损失函数为： 引入惩罚因数C和松弛因数ξj、 则SVM优化 为： 约束条件为： 引入拉格朗日乘子 μj、 αj、 求得优化后的拉格朗日函数为： 解得SVM的回归函数为：权　利　要　求　书 1/3 页 2 CN 114004139 A 2式中， k(u,uj)为支持向量机的核函数； 步骤4： 构建孤立森林模型， 将SVM组合模型处理得到的结果作为训练数据输入随机森 林模型； 步骤5： 将模型输出的预测功率与理论功率进行对比， 当误差在允许范围内， 则输出预 测结果， 当误差不满足要求时， 进行迭代修 正， 直至误差满足要求； 步骤6： 将满足误差条件的训练集和经过Kmeans聚类的历史功率的测试集输入发电预 测模型， 得到最终输出的预测功率。 2.根据权利要求1所述的一种光伏发电功率预测方法， 其特征在于所述步骤1包括以下 步骤： (11)采用数值天气预报系统获取 预测日气象数据； (12)采用灰色关联分析法对预测日的气象影响因素进行处理， 补充缺失数据并剔除异 常数据： 上式中， τj为灰色关联度， 是比较序列各因素与参考序列的修正后的灰色关联系数的平 均值作； βj(l)是第l个数据修 正后的关联系数； (13)采用Kmeans算法对历史发电功率数据进行处 理， 补充缺失数据并剔除异常数据。 3.根据权利要求2所述的一种光伏发电功率预测方法， 其特征在于所述步骤12包括以 下步骤： 121)构建参考序列与比较序列： 光伏电站的输出功率样本U0作为参考序列， 定义U0＝ {U0(1),U0(2),...,U0(l)}； 气象因素构成的比较序列矩阵为Uj， Uj序列表示为Uj＝{Uj(1),Uj (2),...,Uj(l)}； j＝1,2,...,m， 表示该系统中有j个影响因素； l是各类影响因素和输出功 率的数据个数， l ＝1， 2， ...,n； 122)计算灰色关联系数并进行修正： 计算比较序列的各影响因素与参考序列的输出功 率之间的关联系数： 修正的关联系数： 式中， ψ为分辨系数， 本系统中 ψ取为0.5； 123)计算灰色关联度： 将比较序列各因素与参考序列的修正后的灰色关联系数的平均 值 τj作为灰色 关联度。 4.根据权利要求2所述的一种光伏发电功率预测方法， 其特征在于所述步骤(13)包括 以下步骤：权　利　要　求　书 2/3 页 3 CN 114004139 A 3