[发明专利]基于集合经验模态分解与ARMA-Elman混合模型的光伏功率预测方法

权利要求书

1.一种基于集合经验模态分解与ARMA-Elman混合模型的光伏功率预测方法，其特征在于，包括如下步骤：

步骤1：获取待预测系统的光伏功率数据，并使用集合经验模态分解将数据分解；

步骤2：利用过零率对分解后的信号分类；

步骤3：将高频信号、低频信号分别输入Elman和ARMA模型进行训练与预测；

步骤4：将预测结果进行叠加，输出最终预测结果。

2.根据权利要求1所述的基于集合经验模态分解与ARMA-Elman混合模型的光伏功率预测方法，其特征在于，所述步骤1中使用集合经验模态分解EEMD分解光伏功率数据，具体过程为：

步骤1.1：对原光伏功率数据信号添加白噪声；

步骤1.2：将得到的新信号分解为多个本征模态函数（IMF）分量；

步骤1.3：重复上述步骤n次，每次添加一个新的正态分布白噪声序列，n为迭代次数；

步骤1.4：对分解n次后得到的所有IMF分量分别求均值，得到最终结果。

3.根据权利要求1所述的基于集合经验模态分解与ARMA-Elman混合模型的光伏功率预测方法，其特征在于，所述步骤2中利用过零率将分解后的信号分类的具体操作为：

判断每个信号的过零率，过零率公式如下：

其中，Z_%为过零率，信号数值符号改变记为一次过零，N_Z为被测信号的过零次数，L为信号长度。

4.根据权利要求3所述的基于集合经验模态分解与ARMA-Elman混合模型的光伏功率预测方法，其特征在于，过零率高于0.01的信号记为高频信号，低于0.01的信号记为低频信号。

5.根据权利要求1所述的基于集合经验模态分解与ARMA-Elman混合模型的光伏功率预测方法，其特征在于，所述步骤3中将信号分别输入Elman和ARMA模型进行训练与预测，具体为：

步骤3.1：将最近3日历史功率数据训练样本分解所得高频信号输入Elman模型进行训练；

步骤3.2：将最近3日历史功率数据训练样本分解所得低频信号输入ARMA模型进行训练；

步骤3.3：利用已训练后的ARMA-Elman混合模型预测当日光伏发电功率。

6.根据权利要求5所述基于集合经验模态分解与ARMA-Elman混合模型的光伏功率预测方法，其特征在于，所述Elman模型训练具体过程为：

a）搭建Elman神经网络，设置超参数；

b）对测试数据和训练数据分别进行归一化处理；

c）再将测试数据和训练数据分别输入Elman神经网络进行训练，再对实际输出进行反归一化，得到训练好的Elman模型。

7.根据权利要求5所述基于集合经验模态分解与ARMA-Elman混合模型的光伏功率预测方法，其特征在于，所述ARMA模型训练具体过程为：

a）读取原始数据，建立多元回归模型；

b）确定回归系数的点估计值；

c）求回归系数的点估计和区间估计，并检验回归模型。