[发明专利]基于BP神经网络的光伏发电短期出力预测方法

权利要求书

1.一种基于BP神经网络的光伏发电短期出力预测方法，其特征在于，包括如下步骤：

步骤101，根据光伏电站历史发电数据分析一天中的出力时间段，确定预测日需要预测的出力时间段；

步骤102，统计光伏电站一段时期内每天在各个出力时间段的发电功率数据，以此作为BP神经网络训练的第一组输入数据；

步骤103，统计各类天气类型下的发电功率数据，计算不同天气类型在步骤102所述的一段时间内的发电功率平均值；

步骤104，根据不同天气类型的发电功率平均值，计算不同天气类型的发电功率平均值之间的倍率关系，将此倍率关系映射为日类型指数，然后将日类型指数作为BP神经网络训练的第二组输入数据；

步骤105，根据输入、输出单元数，经公式推算和试凑调整确定BP神经网络的隐含层节点数，建立BP神经网络训练模型；

步骤106，在利用BP神经网络训练前，对发电功率数据和日类型指数进行归一化处理；

步骤107，利用步骤106归一化后的数据，对BP神经网络进行训练；

步骤108，利用训练后的BP神经网络进行预测日的发电功率预测，得出预测结果。

2.根据权利要求1所述的一种基于BP神经网络的光伏发电短期出力预测方法，其特征在于，所述BP神经网络包括输入层、输出层和隐含层；其中隐含层和输出层节点的输入是前一层节点输出的加权和，每一节点的激励程度由其激励函数决定；其中：

输出层第k个节点的输入为：

nk=Σj=1qwjkoj---(1)]]>

其中，o_j为隐含层的输出；w_jk是隐含层和输出层节点之间的连接权值；q为隐含层的节点个数；

输出层第k个节点的输出为：

o_k=f(n_k)            （2）

其中f(·)为激励函数，

f(nk)=11+enk-θjθ0---(3)]]>

上式中，θ_j表示偏置或者阀值，当θ_j为正值时使激励函数沿水平轴向右移，否则相反；θ₀用于调节e函数的形状。

3.根据权利要求1或2所述的一种基于BP神经网络的光伏发电短期出力预测方法，其特征在于，所述BP神经网络采用一层隐含层，其隐含层节点个数根据输入和输出节点个数计算并试凑调整。

4.根据权利要求1所述的一种基于BP神经网络的光伏发电短期出力预测方法，其特征在于，还包括步骤109：将预测日实际运行后的数据计入训练数据，强化BP神经网络的预测能力。