【技術實現步驟摘要】
本專利技術屬于功率短期預測，尤其涉及一種基于改進eemd算法的光伏功率短期分段預測方法及系統。
技術介紹
1、本部分的陳述僅僅是提供了與本專利技術相關的
技術介紹
信息，不必然構成在先技術。
2、光伏發電依據資源利用性廣、可分布式和環保等優點，屬于新能源中最具備潛力的技術之一，而光伏發電功率的預測模型對于維持電力市場的供需、系統的維護和運行安全起到了舉足輕重的作用。
3、目前，光伏發電功率預測模型分為短期預測、中期預測和長期預測三種，而短期光伏功率預測模型是基于歷史功率數據對未來幾個小時內的發電功率進行預測；但在傳統的技術手段中，是通過獲取歷史一段時間內的功率數據，并基于相應時間段內地表環境溫度、相對濕度和太陽輻照度等環境因素進行相應的數據處理，并通過構建預測模型以此獲取未來一段時間內的功率輸出。
4、但此類方法在數據處理的過程中，研究的是不同的環境因素對整個時間段內功率的影響，但在真實的環境下，特別是在短期光伏功率預測和環境條件變化快的情況下，單一的環境因素可能僅對整個時間段中的一小段時間內光伏功率的輸出有影響，因此現有的方法并不能夠精確的展示出不同的環境因素對哪一具體時間段內光伏功率的影響度最大；同時現有方法在對功率數據處理的過程中，并未考慮功率數據中潛在的波動性對預測精度的影響，使得功率預測的精度并不準確。
技術實現思路
1、為克服上述現有技術的不足，本專利技術提供了一種基于改進eemd算法的光伏功率短期分段預測方法及系統，通過四分法獲取歷史光
2、為實現上述目的，本專利技術的一個或多個實施例提供了如下技術方案：
3、本專利技術的第一個方面提供了一種基于改進eemd算法的光伏功率短期分段預測方法，包括如下步驟：
4、獲取歷史光伏發電功率和環境數據信息；
5、基于四分法對歷史光伏發電功率進行處理，得到歷史光伏發電功率中的特征點；依據特征點將歷史光伏發電功率和環境數據信息分別劃分成連續的數據段；
6、對每一個歷史光伏發電功率數據段分別與對應的所有環境數據信息的數據段作相關性分析，篩選出每一歷史光伏發電功率數據段相關的環境數據信息；并通過改進的eemd算法對每一歷史光伏發電功率數據段中的數據進行分解，獲取最終的子數據段；
7、將最終的子數據段和篩選后的環境數據信息作為雙向長短期記憶神經網絡模型的輸入，獲取光伏發電功率的預測結果。
8、作為一種實施方式，所述環境數據信息包括太陽輻照度、光照強度、溫度、大氣壓強和相對濕度。
9、作為一種實施方式，所述四分法的計算公式為：
10、
11、
12、其中，為歷史光伏發電功率的閾值上限，為歷史光伏發電功率的閾值下限，為四分法中的下四分位數，為四分法中的上四分位數，為四分位差。
13、作為一種實施方式，所述基于四分法對歷史光伏發電功率進行處理，得到歷史光伏發電功率中的特征點，具體為通過四分法對歷史光伏發電功率進行分割，分別將歷史光伏發電功率與閾值上限和閾值下限相交的點作為特征點。
14、作為一種實施方式，所述依據特征點將歷史光伏發電功率和環境數據信息分別劃分成連續的數據段，具體為依據特征點將相鄰兩個特征點之間的數據劃分為一個數據段，按照時間序列將歷史光伏發電功率和環境數據信息分別劃分成連續的數據段。
15、作為一種實施方式，所述改進的eemd算法具體為，先通過eemd算法對每一數據段中的歷史光伏發電功率進行分解，得到本征模態函數和剩余項，再對本征模態函數進行分解，通過迭代更新獲取最終的子數據段。
16、本專利技術的第二個方面提供了一種基于改進eemd算法的光伏功率短期分段預測系統，包括：
17、數據獲取模塊，獲取歷史光伏發電功率和環境數據信息；
18、數據劃分模塊，基于四分法對歷史光伏發電功率進行處理，得到歷史光伏發電功率中的特征點；依據特征點將歷史光伏發電功率和環境數據信息分別劃分成連續的數據段；
19、數據處理模塊，對每一個歷史光伏發電功率數據段分別與對應的所有環境數據信息的數據段作相關性分析，篩選出每一歷史光伏發電功率數據段相關的環境數據信息；并通過改進的eemd算法對每一歷史光伏發電功率數據段中的數據進行分解，獲取最終的子數據段；
20、功率預測模塊，將最終的子數據段和篩選后的環境數據信息作為雙向長短期記憶神經網絡模型的輸入，獲取光伏發電功率的預測結果。
21、作為一種實施方式，所述基于四分法對歷史光伏發電功率進行處理，得到歷史光伏發電功率中的特征點，具體為通過四分法對歷史光伏發電功率進行分割，分別將歷史光伏發電功率與閾值上限和閾值下限相交的點作為特征點。
22、本專利技術的第三方面，提供了一種計算機裝置，包括處理器和存儲器，所述處理器用于執行存儲器中存儲的計算機程序以實現上述的一種基于改進eemd算法的光伏功率短期分段預測方法。
23、本專利技術的第四方面，提供了一種計算機可讀存儲介質，所述計算機可讀存儲介質存儲有至少一個指令，所述至少一個指令被處理器執行時實現上述的一種基于改進eemd算法的光伏功率短期分段預測方法。
24、以上一個或多個技術方案存在以下有益效果：
25、（1）通過四分法獲取歷史光伏發電功率中的特征點，并將歷史光伏發電功率數據和環境數據分別劃分為連續的數據段；特征點代表的是歷史光伏發電功率中波動性大且功率值超出或低于閾值的點，即由于環境因素和自身因素的變化導致發電功率過高或過低的現象；通過將相鄰兩個特征點之間的數據作為數據段，能夠更好的發現哪些環境數據對該數據段中光伏功率的影響度，以此提升最終的功率預測精度。
26、（2）通過利用改進的eemd算法對每一歷史光伏發電功率數據段中的數據進行分解處理得到子數據段，并結合每一光伏功率數據段篩選出來的環境數據信息，共同輸入雙向長短期記憶神經網絡模型，深度挖掘功率數據和環境數據中的非線性特征和時間相關性特征，以此進行光伏功率的精準預測。
27、本專利技術附加方面的優點將在下面的描述中部分給出，部分將從下面的描述中變得明顯，或通過本專利技術的實踐了解到。
本文檔來自技高網...【技術保護點】
1.一種基于改進EEMD算法的光伏功率短期分段預測方法，其特征在于，包括如下步驟：
2.如權利要求1所述的一種基于改進EEMD算法的光伏功率短期分段預測方法，其特征在于，所述環境數據信息包括太陽輻照度、光照強度、溫度、大氣壓強和相對濕度。
3.如權利要求1所述的一種基于改進EEMD算法的光伏功率短期分段預測方法，其特征在于，所述四分法的計算公式為：
4.如權利要求1所述的一種基于改進EEMD算法的光伏功率短期分段預測方法，其特征在于，所述基于四分法對歷史光伏發電功率進行處理，得到歷史光伏發電功率中的特征點，具體為通過四分法對歷史光伏發電功率進行分割，分別將歷史光伏發電功率與閾值上限和閾值下限相交的點作為特征點。
5.如權利要求1所述的一種基于改進EEMD算法的光伏功率短期分段預測方法，其特征在于，所述依據特征點將歷史光伏發電功率和環境數據信息分別劃分成連續的數據段，具體為依據特征點將相鄰兩個特征點之間的數據劃分為一個數據段，按照時間序列將歷史光伏發電功率和環境數據信息分別劃分成連續的數據段。
6.如權利要求1所述的一種基
7.一種基于改進EEMD算法的光伏功率短期分段預測系統，包括：
8.如權利要求7所述的一種基于改進EEMD算法的光伏功率短期分段預測系統，其特征在于，所述基于四分法對歷史光伏發電功率進行處理，得到歷史光伏發電功率中的特征點，具體為通過四分法對歷史光伏發電功率進行分割，分別將歷史光伏發電功率與閾值上限和閾值下限相交的點作為特征點。
9.一種計算機裝置,包括存儲器、處理器及存儲在存儲器上并可在處理器上運行的計算機程序，其特征在于，所述處理器執行所述程序時實現上述權利要求1-6任一所述方法的步驟。
10.一種計算機可讀存儲介質，其上存儲有計算機程序，其特征在于，該程序被處理器執行時執行上述權利要求1-6任一所述方法的步驟。
...【技術特征摘要】
1.一種基于改進eemd算法的光伏功率短期分段預測方法，其特征在于，包括如下步驟：
2.如權利要求1所述的一種基于改進eemd算法的光伏功率短期分段預測方法，其特征在于，所述環境數據信息包括太陽輻照度、光照強度、溫度、大氣壓強和相對濕度。
3.如權利要求1所述的一種基于改進eemd算法的光伏功率短期分段預測方法，其特征在于，所述四分法的計算公式為：
4.如權利要求1所述的一種基于改進eemd算法的光伏功率短期分段預測方法，其特征在于，所述基于四分法對歷史光伏發電功率進行處理，得到歷史光伏發電功率中的特征點，具體為通過四分法對歷史光伏發電功率進行分割，分別將歷史光伏發電功率與閾值上限和閾值下限相交的點作為特征點。
5.如權利要求1所述的一種基于改進eemd算法的光伏功率短期分段預測方法，其特征在于，所述依據特征點將歷史光伏發電功率和環境數據信息分別劃分成連續的數據段，具體為依據特征點將相鄰兩個特征點之間的數據劃分為一個數據段，按照時間序列將歷史光伏發電功率和環境數據信息分別劃分成連續的數據段...
【專利技術屬性】
技術研發人員：秦瑞敏，翟華，狄東照，董金濤，邵彤，張昱，劉業衡，李書賀，靳妍妍，韓澍，
申請(專利權)人：國網山東省電力公司嘉祥縣供電公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。