[发明专利]一种基于思维进化算法优化小波神经网络的光伏功率预测方法

权利要求书

1.一种基于思维进化算法优化小波神经网络的光伏功率预测方法，其特征在于，包括如下步骤：

(1)数据的获取和预处理：从光伏功率预测系统的数据处理模块中获取指定的时间范围内光伏出力数据和空气质量数据，并由此得到训练集和预测集，并进行归一化处理；

(2)生成初始权值和阈值的；

(3)创建预测小波神经网络进行预测；

(4)将此光伏出力预测系统所完成的预测数据传输到电网调度系统使用。

2.根据权利要求1所述的一种基于思维进化算法优化小波神经网络的光伏功率预测方法，其特征在于，步骤(2)包括以下步骤：

(2.1)随机产生初始种群、优胜子种群和临时子种群；

(2.2)子种群趋同操作：在子群体范围内，个体成为胜者而竞争的过程叫做趋同；一个子群体在趋同的过程中，若不再产生新的胜者，则称该子群体已经成熟；当子群体成熟时，该子群体的趋同过程结束，转到步骤2.3，同时补充新的种群；

(2.3)子种群异化操作：各子群体进行全局竞争，若一个临时子群体的得分高于某个成熟的优胜子群体，则该优胜子群体被获胜的临时子群体替代；原优胜子群体中的个体被释放；若一个成熟的临时子群体的得分低于任意一个优胜子群体的得分，则该临时子群体被废弃，其中的个体被释放；被释放的个体在全局范围内重新进行搜索并形成新的临时群体；在整个解空间中，各子群体为成为胜者而竞争，不断地探测解空间中新的点；

(2.4)当满足迭代停止条件时，思维进化算法结束优化过程；此时，找到最优个体输出，根据编码规则，对寻找到的最优个体进行解析，从而得到对应的神经小波网络的权值和阈值。

3.根据权利要求1所述的一种基于思维进化算法优化小波神经网络的光伏功率预测方法，其特征在于，步骤(3)包括：

(3.1)根据上述最优个体提供的阈值和权值信息创建神经小波网络并对其进行初始化，利用经归一化后的训练集数据作为神经小波网络的输入输出数据，采用附加动量优化进一步训练小波神经网络直至收敛；

(3.2)对上述训练好的小波神经网络输入经归一化处理后的预测集数据，对光伏出力进行预测，并对网络输出进行反归一化出力，得到最终预测结果；

(3.3)将预测后得到的数据作为下一个15min时间点的预测输入值之一，修正相应其他预测集输入值，采用此训练好的的神经网络模型进行滚动预测，直至预测完接下来4小时内每15 分钟预测点的数据，从而实现跨时间间隔的多步预测；

其中，所述输入输出数据是指一定个数的等时间间隔的按时间先后顺序排列的一组数据：

Input＝[input(t-(n+r)Δt),input(t-(n+r-1)Δt),input(t-(n+r-2)Δt),...,input(t-Δt)]其中input＝AQI_d,AQI_d-1,p_d-1,p_n-1,p_n-2,p_n-3，式中AQI_d为当天空气质量指数，AQI_d-1为前一天空气质量指数，p_d-1为前一天同一时刻光伏出力情况，p_n-1，p_n-2，p_n-3分别表示预测点前三个数据点光伏出力数据；则预测系统的训练集输入输出分别为：

输入：

输出：

预测集的输入输出分别为

输入：Pn_prediction＝[AQI_d(t),AQI_d-1(t),p_d-1(t),p_n-1(t),p_n-2(t),p_n-3(t)]

输出：Tn_prediction＝p_n(d)

所述归一化处理即为把所有数据都转换为[0,1]之间的数，本发明采用最小的最小法归一化处理，函数形式为：

x_k＝(x_k-x_mean)/(x_max-x_min)

其中x_mean为数据序列的均值，x_max和x_min为数据序列最大最小值，经归一化处理后，消除了各维数据之间的数量级的差别，避免因为输入输出数据数量级差别较大而造成网络预测误差较大；在步骤3.2中，对于预测得到的光伏出力数据同样要采用反归一化得到真实值。