(19)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 202211153247.8 (22)申请日 2022.09.21 (71)申请人 国网浙江省电力有限公司电力科 学 研究院 地址 310014 浙江省杭州市下城区朝晖八 区华电弄 1号 (72)发明人 彭琰　陈菁伟　王晨旭　杨锡运　 马骏超　王诗晨　陈文进　吴汕　 (74)专利代理 机构 浙江翔隆专利事务所(普通 合伙) 33206 专利代理师 张建青 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 50/06(2012.01) G06N 3/04(2006.01)G06N 3/08(2006.01) H02J 3/00(2006.01) (54)发明名称 一种短期光伏 功率预测方法 (57)摘要 本发明公开了一种短期光伏功率预测方法， 属于可再生能源功率预测领域。 本发 明采用的技 术方案为： 确定选取相似日的相似变量类型； 然 后， 构建基于二维欧氏距离的相似日选取方法， 输入相似变量， 获取两组相似日及相似日功率； 构建灰色模型GM(1,1)， 基于两组相似日数据预 测光伏功率的总体趋势； 构建灰色马尔科夫模 型， 基于马尔科夫链对灰色模型的预测误差进行 修正， 并得到两组预测结果； 构建基于BP_ Adaboost的集成算法模型， 用BP_Adaboost对两 组预测结果进行集成。 本发明能够使得在光伏输 出功率波动性较大的情况下仍有较好的预测能 力， 利用BP_Adaboost算法集成两组不 同相似变 量选取的相似日的灰色马尔科夫模 型预测结果， 进一步提升预测精度与鲁棒性， 可为光伏电站并 网提供重要参 考信息。 权利要求书3页 说明书9页 附图7页 CN 115456286 A 2022.12.09 CN 115456286 A 1.一种短期光伏 功率预测方法， 其特 征在于， 包括： 步骤1， 确定 选取相似日的相似变量类型； 步骤2， 构建基于二维欧氏距离的相似日选取方法， 输入相似变量， 获取两组相似日及 相似日功率； 步骤3， 构建灰色模型GM(1， 1)， 基于 两组相似日数据预测光伏 功率的总体趋势； 步骤4， 构建灰色马尔科夫模型， 灰色模型的输出分为历史日拟合值与目标日预测值， 基于马尔科 夫链对灰色模型的预测误差进行修 正， 从而得到 两组预测结果； 步骤5， 构建基于BP_Adaboost的集成算法模型， 用BP_Adaboost对两组预测结果进行集 成； 步骤6， 输出 得到更高精度的预测结果。 2.根据权利要求1所述的短期光伏功率预测方法， 其特征在于， 步骤1中， 以辐照度和温 度为相似变量选取相似日。 3.根据权利要求1所述的短期光伏功率预测方法， 其特征在于， 步骤2中， 以二维数据辐 照度和温度作为相似变量， 利用数值天气预报数据和历史日实测气象数据选取相似日； 计 算历史日实测辐照度与目标日数值天气预报辐照度的欧氏距离d1， 计算历史日实测温度与 目标日数值天气 预报温度的欧氏距离d2， 每个目标日选两 组相似日； 使用每天5:00～19:00 间隔15分钟的辐照度与温度数据， 共57个数据点， 进行相似日的选取。 4.根据权利要求3所述的短期光伏功率预测方法， 其特征在 于， 步骤2中欧氏距离d1与d2 的计算方式为： 首先提取目标日的数值天气预报辐照度和数值天气预报温度数据组成目标日辐照度 向量x0与目标日温度向量y0： x0＝[x0(1)， x0(2)，…， x0(i)…， x0(n)]， n＝57 y0＝[y0(1)， y0(2)， ...， y0(i)…， y0(n)]， n＝57 提取历史日辐照度数据和温度数据分别组成历史日辐照度向量xm和历史日温度向量 ym： xm＝[xm(1)， xm(2)， ...， xm(i)， ...， xm(n)]， n＝57 ym＝[ym(1)， ym(2)， ...， ym(i)， ...， ym(n)]， n＝57 计算欧氏距离d1与d2： 5.根据权利要求1所述的短期光伏功率预测方法， 其特征在于， 步骤2中， 根据欧氏距离 d1和d2由小到大对历史日排序， 选前q个日期为相似日并将其功率作为 灰色模型的输入， q的 取值会影响灰色模型精度， 依据实际情况选择。 6.根据权利要求1所述的短期光伏功率预测方法， 其特征在于， 步骤3中， 灰色模型GM权　利　要　求　书 1/3 页 2 CN 115456286 A 2(1， 1)采用一阶微分方程对1个 变量建模， 该建模方法如下： (1)假设原 始数据序列为： X(0)＝{X(0)(1)， X(0)(2)， ...， X(0)(i)…， X(0)(n)} (2)原始数据序列X(0)累加生成序列X(1)： (3)求灰色模型的微分方程 其中发展系数a和灰作用量b由最小二乘 法确定： 式中： (4)解上述 微分方程， 并预测： (5)累减还原， 得预测数据原 始序列 分为灰色模型历史日的拟合值和目标日的预测值两部分， 灰色模型最终预测 所用 的是经过累加累减等变换后生成的拟合 值序列。 7.根据权利要求1所述的短期光伏功率预测方法， 其特征在于， 步骤4中， 历史相似日的 拟合值功率数据与目标日的预测值功率数据都是灰色模型的生成序列， 认为它们具有相似 的规律， 因此将欧氏距离最小的相似日 的灰色模型生成的拟合值功 率数据作为马尔科夫链 的输入， 形成灰色马尔 科夫模型， 依据此数据序列进行状态区间Ei的划分： Ei＝[Qi1， Qi2]， i ＝1， 2， ...， n， 其中[Qi1， Qi2]为状态区间的上 下限。 8.根据权利要求7所述的短期光伏功率预测方法， 其特征在于， 步骤4中， 依据马尔科夫 链预测状态分布方法计算状态转移 概率矩阵P(k)， 判断灰色模型预测值的状态区间， 求目标 日的初始状态分布 π(0)， 而后求目标日的预测值 Qf， 9.根据权利要求1所述的短期光伏功率预测方法， 其特征在于， 步骤5中， 其集成步骤 为： 首先， 假设数据集D＝{(x1， y1)， (x2， y2)， ...， (xn， yn)}， 其中xi∈Rd， 每一个样 本数据有d 个特征， yi为样本xi的目标值， 集成算法如下 所示：权　利　要　求　书 2/3 页 3 CN 115456286 A 3