【技术实现步骤摘要】
本专利技术涉及光伏出力预测，特别涉及到一种基于误差倒数法的光伏出力组合预测方法。
技术介绍
1、近年来，光伏发电等新能源发电方式迅速发展，其清洁、环保等优点有助于优化能源结构体系，缓解能源危机。然而，光伏发电受辐照度等气象因素影响较大，使得其出力具有波动性和随机性，对电网稳定运行的影响愈加显著，准确预测光伏出力将为电网运行提供可靠信息，有助于提升电网运行稳定性和促进光伏消纳。
2、现今，已有各种时间序列预测算法用于进行光伏出力预测。然而，单一算法不同环境下的出力预测效果往往差别较大。因此，利用单一算法对光伏出力进行预测具有局限性，其预测精度有待提高。
3、如cn113177652a中公开了一种光伏出力预测方法，首先构建云边协同框架，然后云计算中心利用贝叶斯循环神经网络建立初始预测模块，然后边缘计算设备根据实时数据利用预测模块预测对光伏出力进行预测并上传，最后云计算中心根据预测的偏差调整参数更新预测模块，通过引入贝叶斯思想，使用蒙特卡洛dropout方法进行近似推断，通过最小化网络权重的近似分布和后验分布之间kl散...
【技术保护点】
1.一种基于误差倒数法的光伏出力组合预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于误差倒数法的光伏出力组合预测方法，其特征在于，所述步骤S2的具体过程包括：所述步骤S2中自组织映射算法的神经网络由输入层和竞争层组成，输入层由N个神经元组成，对应N维输入向量，竞争层由M＝R×C个神经元组成，构成一个二维平面阵列，将竞争层中所有神经元的权重向量与输入向量进行比较，将其中距离最小者判定为获胜神经元，获胜神经元即为输入向量的分类结果。
3.根据权利要求1所述的一种基于误差倒数法的光伏出力组合预测方法，其特征在于，所述步骤S3中构...
【技术特征摘要】
1.一种基于误差倒数法的光伏出力组合预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种基于误差倒数法的光伏出力组合预测方法，其特征在于，所述步骤s2的具体过程包括：所述步骤s2中自组织映射算法的神经网络由输入层和竞争层组成，输入层由n个神经元组成，对应n维输入向量，竞争层由m＝r×c个神经元组成，构成一个二维平面阵列，将竞争层中所有神经元的权重向量与输入向量进行比较，将其中距离最小者判定为获胜神经元，获胜神经元即为输入向量的分类结果。
3.根据权利要求1所述的一种基于误差倒数法的光伏出力组合预测方法，其特征在于，所述步骤s3中构建的计算模型包括季节性朴素预测模型，季节性差分自回归移动平均模型，指数平滑模型，支持向量机回归模型，多元线性回归模型，神经网络自回归模型，反向传播神经网络模型，通过建立的各种模型预测光伏出力。
4.根据权利要求3所述的一种基于误差倒数法的光伏出力组合预测方法，其特征在于，所述季节性朴素预测模型是一种简单而有效的时间序列预测方法，模型输入为历史光伏出力数据，它的预测结果与上一周期同一时刻的数据相同，其表达式为：
5.根据权利要求3所述的一种基于误差倒数法的光伏出力组合预测方法，其特征在于，所述季节性差分自回归移动平均模型是一种时间序列预测方法，对季节性数据的自相关性进行建模，模型输入为历史光伏出力数据，季节性差分自回归移动平均模型用下式表示：
6.根据权利要求...
【专利技术属性】
技术研发人员：陈文进，陆建宇，柳昂，齐国栋，王梦圆，秦放，张思，徐潇源，姚虹春，张若伊，曹建伟，严正，吴骥，马文文，甘雯，
申请(专利权)人：国网浙江省电力有限公司湖州供电公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。