本發(fā)明屬于可再生能源發(fā)電，尤其涉及一種基于改進(jìn)fvim-xgboost-a的光伏發(fā)電功率預(yù)測方法及系統(tǒng)。

背景技術(shù)：

1、目前光伏發(fā)電行業(yè)正迅速崛起，光伏發(fā)電裝機(jī)容量持續(xù)增長。然而，隨之而來的問題是光伏發(fā)電功率的波動性和不確定性，光伏發(fā)電受到多方面因素的影響。這些因素可能包括光照強(qiáng)度的變化、氣溫波動、陰影遮擋以及設(shè)備的老化等。主要的影響因素包括以下幾個方面：首先，天氣條件的變化對光伏發(fā)電影響顯著，如陰天、雨天或極端天氣會大幅降低光伏系統(tǒng)的發(fā)電功率；其次，光伏組件的老化和污染（如灰塵、鳥糞等）會導(dǎo)致發(fā)電效率降低，從而增加功率預(yù)測的不確定性；此外，不同區(qū)域的光照條件差異也使得光伏功率預(yù)測具有較大的區(qū)域性和復(fù)雜性；最后，不足的監(jiān)測與維護(hù)可能導(dǎo)致系統(tǒng)故障，從而影響發(fā)電性能。因此，有必要對光伏發(fā)電功率進(jìn)行精確預(yù)測，以提升發(fā)電效率，并平衡電網(wǎng)供需。

2、然而，傳統(tǒng)預(yù)測方法通常難以應(yīng)對光伏發(fā)電過程中因氣象因素和設(shè)備狀況帶來的復(fù)雜波動性和非線性特征，預(yù)測精度受限。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明提供一種基于改進(jìn)fvim-xgboost-a的光伏發(fā)電功率預(yù)測方法及系統(tǒng)，用于解決光伏發(fā)電過程中因氣象因素和設(shè)備狀況帶來的復(fù)雜波動性和非線性特征，導(dǎo)致預(yù)測精度受限的技術(shù)問題。

2、第一方面，本發(fā)明提供一種基于改進(jìn)fvim-xgboost-a的光伏發(fā)電功率預(yù)測方法，包括：

3、獲取光伏發(fā)電數(shù)據(jù)以及光伏環(huán)境數(shù)據(jù)，并根據(jù)預(yù)設(shè)的arima-x模型對所述光伏環(huán)境數(shù)據(jù)進(jìn)行預(yù)處理，得到目標(biāo)光伏環(huán)境數(shù)據(jù)；

4、根據(jù)預(yù)設(shè)的擾動機(jī)制對fvim算法進(jìn)行全局尋優(yōu)，得到全局最優(yōu)解，得到改進(jìn)fvim算法；

5、構(gòu)建xgboost模型，集成所述改進(jìn)fvim算法和所述xgboost模型，并加入注意力機(jī)制，得到改進(jìn)fvim-xgboost-a模型；

6、將所述光伏發(fā)電數(shù)據(jù)和所述目標(biāo)光伏環(huán)境數(shù)據(jù)輸入至所述改進(jìn)fvim-xgboost-a模型中，對所述改進(jìn)fvim-xgboost-a模型進(jìn)行迭代訓(xùn)練，得到光伏發(fā)電功率預(yù)測模型；

7、將獲取的實(shí)時光伏環(huán)境數(shù)據(jù)輸入至所述光伏發(fā)電功率預(yù)測模型中，所述光伏發(fā)電功率預(yù)測模型輸出光伏發(fā)電功率預(yù)測結(jié)果。

8、第二方面，本發(fā)明提供一種基于改進(jìn)fvim-xgboost-a的光伏發(fā)電功率預(yù)測系統(tǒng)，包括：

9、獲取模塊，配置為獲取光伏發(fā)電數(shù)據(jù)以及光伏環(huán)境數(shù)據(jù)，并根據(jù)預(yù)設(shè)的arima-x模型對所述光伏環(huán)境數(shù)據(jù)進(jìn)行預(yù)處理，得到目標(biāo)光伏環(huán)境數(shù)據(jù)；

10、尋優(yōu)模塊，配置為根據(jù)預(yù)設(shè)的擾動機(jī)制對fvim算法進(jìn)行全局尋優(yōu)，得到全局最優(yōu)解，得到改進(jìn)fvim算法；

11、構(gòu)建模塊，配置為構(gòu)建xgboost模型，集成所述改進(jìn)fvim算法和所述xgboost模型，并加入注意力機(jī)制，得到改進(jìn)fvim-xgboost-a模型；

12、訓(xùn)練模塊，配置為將所述光伏發(fā)電數(shù)據(jù)和所述目標(biāo)光伏環(huán)境數(shù)據(jù)輸入至所述改進(jìn)fvim-xgboost-a模型中，對所述改進(jìn)fvim-xgboost-a模型進(jìn)行迭代訓(xùn)練，得到光伏發(fā)電功率預(yù)測模型；

13、輸出模塊，配置為將獲取的實(shí)時光伏環(huán)境數(shù)據(jù)輸入至所述光伏發(fā)電功率預(yù)測模型中，所述光伏發(fā)電功率預(yù)測模型輸出光伏發(fā)電功率預(yù)測結(jié)果。

14、第三方面，提供一種電子設(shè)備，其包括：至少一個處理器，以及與所述至少一個處理器通信連接的存儲器，其中，所述存儲器存儲有可被所述至少一個處理器執(zhí)行的指令，所述指令被所述至少一個處理器執(zhí)行，以使所述至少一個處理器能夠執(zhí)行本發(fā)明任一實(shí)施例的基于改進(jìn)fvim-xgboost-a的光伏發(fā)電功率預(yù)測方法的步驟。

15、第四方面，本發(fā)明還提供一種計(jì)算機(jī)可讀存儲介質(zhì)，其上存儲有計(jì)算機(jī)程序，所述程序指令被處理器執(zhí)行時，使所述處理器執(zhí)行本發(fā)明任一實(shí)施例的基于改進(jìn)fvim-xgboost-a的光伏發(fā)電功率預(yù)測方法的步驟。

16、本申請的基于改進(jìn)fvim-xgboost-a的光伏發(fā)電功率預(yù)測方法及系統(tǒng)，根據(jù)預(yù)設(shè)的arima-x模型對光伏環(huán)境數(shù)據(jù)進(jìn)行缺失值處理，并對數(shù)據(jù)做歸一化和數(shù)據(jù)平滑處理，將擾動機(jī)制加入到fvim算法中，進(jìn)一步避免局部最優(yōu)，使用改進(jìn)fvim算法輸出的全局最優(yōu)解，得到最優(yōu)超參數(shù)組合后，構(gòu)建xgboost的樹結(jié)構(gòu)；在xgboost模型中提出arsv-loss損失函數(shù)并使用自適應(yīng)多層次正則化項(xiàng)，使xgboost模型在搜索空間中能夠進(jìn)行更復(fù)雜的調(diào)整，有助于跳出局部最優(yōu)解，避免過擬合，集成改進(jìn)fvim算法與xgboost模型并加入注意力機(jī)制，形成改進(jìn)fvim-xgboost-a模型，對光伏發(fā)電功率進(jìn)行更加準(zhǔn)確的預(yù)測，因此能夠提高光伏發(fā)電功率預(yù)測的精確度。

技術(shù)特征：

1.一種基于改進(jìn)fvim-xgboost-a的光伏發(fā)電功率預(yù)測方法，其特征在于，包括：

2.根據(jù)權(quán)利要求1所述的一種基于改進(jìn)fvim-xgboost-a的光伏發(fā)電功率預(yù)測方法，其特征在于，所述根據(jù)預(yù)設(shè)的arima-x模型對所述光伏環(huán)境數(shù)據(jù)進(jìn)行預(yù)處理，得到目標(biāo)光伏環(huán)境數(shù)據(jù)包括：

3.根據(jù)權(quán)利要求1所述的一種基于改進(jìn)fvim-xgboost-a的光伏發(fā)電功率預(yù)測方法，其特征在于，所述根據(jù)預(yù)設(shè)的擾動機(jī)制對fvim算法進(jìn)行全局尋優(yōu)，得到全局最優(yōu)解包括：

4.根據(jù)權(quán)利要求1所述的一種基于改進(jìn)fvim-xgboost-a的光伏發(fā)電功率預(yù)測方法，其特征在于，所述xgboost模型中包含arsv-loss損失函數(shù)，所述arsv-loss損失函數(shù)中的自適應(yīng)多層次正則化項(xiàng)的表達(dá)式為：

5.根據(jù)權(quán)利要求1所述的一種基于改進(jìn)fvim-xgboost-a的光伏發(fā)電功率預(yù)測方法，其特征在于，所述集成所述改進(jìn)fvim算法和所述xgboost模型，并加入注意力機(jī)制，得到改進(jìn)fvim-xgboost-a模型包括：

6.一種基于改進(jìn)fvim-xgboost-a的光伏發(fā)電功率預(yù)測系統(tǒng)，其特征在于，包括：

7.一種電子設(shè)備，其特征在于，包括：至少一個處理器，以及與所述至少一個處理器通信連接的存儲器，其中，所述存儲器存儲有可被所述至少一個處理器執(zhí)行的指令，所述指令被所述至少一個處理器執(zhí)行，以使所述至少一個處理器能夠執(zhí)行權(quán)利要求1至5任一項(xiàng)所述的方法。

8.一種計(jì)算機(jī)可讀存儲介質(zhì)，其上存儲有計(jì)算機(jī)程序，其特征在于，所述程序被處理器執(zhí)行時實(shí)現(xiàn)權(quán)利要求1至5任一項(xiàng)所述的方法。

技術(shù)總結(jié)
本發(fā)明公開了一種基于改進(jìn)FVIM?XGBoost?A的光伏發(fā)電功率預(yù)測方法及系統(tǒng)，方法包括：根據(jù)預(yù)設(shè)的ARIMA?X模型對光伏環(huán)境數(shù)據(jù)進(jìn)行缺失值處理，并對數(shù)據(jù)做歸一化和數(shù)據(jù)平滑處理，將擾動機(jī)制加入到FVIM算法中，進(jìn)一步避免局部最優(yōu)，使用改進(jìn)FVIM算法輸出的全局最優(yōu)解，得到最優(yōu)超參數(shù)組合后，構(gòu)建XGBoost的樹結(jié)構(gòu)；在XGBoost模型中提出ARSV?Loss損失函數(shù)并使用自適應(yīng)多層次正則化項(xiàng)，使XGBoost模型在搜索空間中能夠進(jìn)行更復(fù)雜的調(diào)整，有助于跳出局部最優(yōu)解，避免過擬合，集成改進(jìn)FVIM算法與XGBoost模型并加入注意力機(jī)制，形成改進(jìn)FVIM?XGBoost?A模型。通過FVIM?XGBoost?A模型能夠提高光伏發(fā)電功率預(yù)測的精確度。

技術(shù)研發(fā)人員：王曉明,金宏,姚道金,董文濤,唐媖
受保護(hù)的技術(shù)使用者：華東交通大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/6