新能源与高效节能

本发明公开了一种基于改进MICN的光伏功率预测方法，首先采集光伏电厂的历史光伏功率数据和气象数据，并进行数据预处理；利用自适应啁啾模态分解ACMD把历史光伏功率序列分解成N个子序列；其次，利用相关性分析将得到的多变量气象特征和N个子序列输入到多尺度等距卷积网络MICN模型中；然后，利用改进的原子轨道搜索算法MAOS优化MICN模型的参数，并建立复合损失函数，将准确率、稳定度和合格率三个优化目标同时加入到损失函数中，综合提升模型的预测性能；最后，通过最小二乘支持向量机模型LSSVM对MICN模型的光伏功率预测结果和LSSVM模型的预测误差进行校正，得到光伏功率最终预测输出。本发明可以对光伏电厂的光伏功率实现更精准的预测。

成果亮点

发明目的：针对现有技术存在的问题，本发明提供一种基于改进MICN的光伏功率预测方法，能有效提高光伏功率的预测精度。 技术方案：本发明提出一种基于改进MICN的光伏功率预测方法，包括以下步骤： (1)预先获取光伏电厂的历史光伏功率数据和气象数据，并进行数据预处理； (2)利用自适应啁啾模态分解把历史光伏功率序列分解成N个子序列，并对光伏功率和气象特征进行相关性分析； (3)构建多尺度等距卷积网络MICN，将步骤(2)得到的具有较强相关性的多变量气象特征和N个光伏功率子序列输入到MICN模型中； (4)利用改进的原子轨道搜索算法MAOS优化MICN模型的参数；所述MAOS算法是在原AOS算法基础上采用分段线性混沌映射PWLCM初始化策略代替其原来的随机初始化，引入黄金正弦改进策略平衡电子的全局搜索和局部搜索能力； (5)建立复合损失函数，将准确率、稳定度和合格率三个优化目标同时加入到损失函数中，提升优化后的MICN模型的预测性能；

基于改进 MICN的光伏功率预测方法是一种可以提高光伏功率预测准确性的方法，这项技术在光伏发电领域有着广泛的应用前景。

随着全球能源转型的加速，太阳能作为一种清洁、可再生的能源，越来越受到人们的重视。然而，太阳能具有波动性和间歇性，这给太阳能的应用带来了一些挑战。光伏功率预测方法可以预测光伏发电系统的输出功率，为太阳能的应用提供重要支持。

基于改进 MICN的光伏功率预测方法可以提高光伏功率预测的准确性和时效性，从而提高光伏发电系统的效率和可靠性。这项技术还可以为光伏发电系统的运行和调度提供智能化的解决方案，通过预测光伏功率，优化光伏发电系统的运行和调度，提高光伏发电系统的经济性和社会效益。

因此，基于改进MICN的光伏功率预测方法的应用前景非常广泛，在光伏发电领域有着广泛的应用前景，具有重要的研究和推广价值。

有益效果：与现有技术相比，本发明的有益效果：

1.本发明提出利用自适应啁啾模态分解(ACMD)把历史光伏功率序列分解成多个子序列，弱化光伏功率序列的随机波动性对功率预测精度的影响；

2.本发明提出多尺度等距卷积网络(MICN)模型捕捉局部特征和全局相关性，通过不同尺度的分支对时间序列的不同底层模式进行建模；然后将不同分支的结果合并，完成序列的综合信息利用；相比传统多分量多模型，有效降低计算复杂度；

3.针对原子轨道搜索算法(AOS)在寻优过程中，存在收敛速度慢，容易陷入局部最优等问题，本发明采用分段线性混沌映射(PWLCM)策略代替算法原来的随机初始化，避免初始化个体集中分布；在算法位置更新阶段引入黄金正弦改进策略来平衡电子的全局搜索和局部搜索能力，提高算法搜索效率。

4.本发明利用LSSVM模型对光伏功率误差序列进行预测，通过对MICN模型的光伏功率预测输出进行误差校正，有效提升了模型预测的精准度。