一种光伏输出功率超短期混沌预测方法与流程

技术特征：

1.一种光伏输出功率超短期混沌预测方法，所述超短期的时间长度在0～4小时之间，其特征在于，所述方法包括下列步骤：

1)采用C-C法获得光伏输出功率时间序列的最佳延迟量l和最佳嵌入维数m，重构光伏功率时间序列相空间；

2)根据步骤1)重构的光伏功率时间序列相空间，确定预测中心相空间点P_k，选取预测中心相空间点对应的邻近相空间点P_kj并计算邻近相空间点P_kj的权值W_j；

3)根据步骤2)得到的邻近相空间点P_kj的权值W_j，建立光伏出力加权一阶局域线性回归模型，计算最优线性拟合系数矩阵；

4)根据步骤3)得到的最优线性拟合系数矩阵，计算光伏输出功率预测值。

2.根据权利要求1所述的光伏输出功率超短期混沌预测方法，其特征在于，所述光伏功率时间序列相空间具体为：

$\left\{\begin{array}{c}{P}_1=\[p\left(1\right),p(1+l),...,p(1+(m-1\left)l\right)\]\\ P_2=\[p\left(2\right),p(2+l),...,p(2+(m-1\left)l\right)\]\\ .\\ .\\ .\\ P_M=\[p\left(M\right),p(M+l),...,p(M+(m-1\left)l\right)\]\end{array}\right.$

其中，M为重构的光伏功率时间序列相空间点的个数，p(i)为光伏输出功率时间序列，i＝1,2,...,M+(m-1)l；P_k为重构的光伏功率时间序列相空间的点，k＝1,2,..,M。

3.根据权利要求1所述的光伏输出功率超短期混沌预测方法，其特征在于，所述步骤2)具体为：

21)确定光伏输出功率预测值对应的相空间点的前一点为预测中心相空间点P_k；

22)选取预测中心相空间点P_k对应的邻近相空间点P_kj；

23)计算各邻近相空间点P_kj的权值W_j。

4.根据权利要求3所述的光伏输出功率超短期混沌预测方法，其特征在于，所述邻近相空间点P_kj与预测中心相空间点P_k具有相似变换规律。

5.根据权利要求3所述的光伏输出功率超短期混沌预测方法，其特征在于，所述权值具体为：

$W_j=\frac{\exp (-(d_j-d_{min}\left)\right)}{\underset{j=1}{\overset{G}{\Σ}}\exp (d_j-d_{min})}$

其中，G为邻近相空间点的个数，d_j为邻近相空间点P_kj到预测中心相空间点P_k的空间距离，d_min为所有邻近相空间点P_kj到预测中心相空间点P_k的空间距离中的最小值。

6.根据权利要求1所述的光伏输出功率超短期混沌预测方法，其特征在于，所述步骤3)具体为：

31)建立光伏出力加权一阶局域线性回归模型，拟合邻近相空间点P_kj和下一时刻演化相空间点P_kj+1；

32)采用加权最小二乘法拟合线性回归方程，获得最优线性拟合系数矩阵A和B。

7.根据权利要求6所述的光伏输出功率超短期混沌预测方法，其特征在于，所述光伏出力加权一阶局域线性回归模型具体为：

P_kj+1＝A+BP_kj。

8.根据权利要求6所述的光伏输出功率超短期混沌预测方法，其特征在于，所述采用加权最小二乘法拟合线性回归方程具体为：

$\underset{j=1}{\overset{G}{\Σ}}{W}_j{(P_{kj+1}-A-{\mathrm{BP}}_{kj})}^2=min$

其中，A和B作为未知量，计算得到最优线性拟合系数矩阵A和B。

9.根据权利要求1所述的光伏输出功率超短期混沌预测方法，其特征在于，所述光伏输出功率预测值通过下式计算：

P_k+1＝A+BP_k

其中，P_k+1为光伏功率时间序列相空间中的一步预测相空间点，A和B为最优线性拟合系数矩阵，所述光伏输出功率预测值为一步预测相空间点P_k+1的最后一个值p_k+1+(m-1)l。