[发明专利]基于长短期记忆神经网络的短期光伏发电量预测方法

权利要求书

1.一种基于长短期记忆神经网络的短期光伏发电量预测方法，其特征是包括以下步骤：

(1)获取相关地区光伏系统所接收的太阳辐射量数据及相应的历史气象数据信息，分析并选取影响光伏系统发电量的气象因素；预测每天5:00-18:00各整点时刻的太阳辐射量；所需要获取的历史气象数据信息包括：每天5:00-18:00各整点时刻的温度、湿度、风速、太阳高度角以及天气状况，其中天气状况包括晴天、雨天、阴天；

(2)根据所选取的影响因素，确定长短期记忆神经网络的输入数据和输出数据，建立长短期记忆神经网络模型；利用预测日之前30天相同时刻的太阳辐射量序列来预测该日5:00-18:00各整点时刻的太阳辐射量；模型的输入数据X＝{SI₁^T,T^T,H^T,WS^T,SA^T,W^T}，输出数据Y＝{SI₂^T}，其中，SI₁、T、H、WS、SA分别是预测日前30天每天5:00-18:00各整点时刻的太阳辐射量、温度、湿度、风速、太阳高度角，均为14维的向量；W为5:00-18:00各整点时刻天气状况，将天气类型晴天、雨天、阴天分别标记为1、2、3；输出数据SI₂是预测日当日5:00-18:00各整点时刻的太阳辐射量；

(3)将太阳辐射量数据和历史气象数据归一化处理后分为测试样本和训练样本，根据训练样本建立长短期记忆神经网络并进行误差计算、权值更新和阈值更新；训练方法采用反向传播算法，并采用误差平方和函数进行代价函数学习；

(4)根据训练后得到的长短期记忆神经网络模型，以预测日之前30天每天5:00-18:00各整点时刻的太阳辐射量、温度、湿度、风速、太阳高度角、天气类型作为输入数据，预测当日的5:00-18:00各整点时刻的太阳辐射量，长短期记忆神经网络的时间步长设置为14；将预测结果反归一化处理即可得到当日的太阳辐射量数据；

(5)利用预测的太阳辐射量数据计算出预测日当日的光伏发电量。

2.根据权利要求1所述的一种基于长短期记忆神经网络的短期光伏发电量预测方法，其特征是所述的步骤(2)中：

每个长短期记忆神经网络记忆单元中含有3个控制门，分别是输入门i_t、输出门o_t和遗忘门f_t；长短期记忆神经网络在时刻t的输入数据为x_t，输出值为h_t，c_t为记忆状态；长短期记忆神经网络记忆单元更新如下：

所述的遗忘门f_t的计算按下式：

f_t＝σ(w_f×[h_t-1,x_t]+b_f) (1)

式(1)中：w_f为t时刻遗忘门f_t的权值矩阵；b_f为偏置量；σ采用Sigmoid函数；

所述的记忆单元状态值c_t的更新分为三部分：第一部分是输入门决定当前输入数据有多少输入到记忆单元中；第二部分是当前输入经过一个tanh层用来生成新的候选状态它作为当前层产生的候选值可能会添加到记忆状态中；最后，记忆单元c_t通过输入门i_t和遗忘门f_t对自身状态C_t-1和当前候选记忆状态值进行调节来更新记忆单元状态；

所述的输入门i_t的计算按下式：

i_t＝σ(w_i×[h_t-1,x_t]+b_i) (2)

式(2)中：w_i为t时刻输入门i_t的权值矩阵；b_i为偏置量；

所述的记忆单元的候选状态的计算按下式：

式(3)中：w_c为t时刻候选状态的权值矩阵；b_c为偏置量；

所述的记忆单元状态值c_t的更新计算按下式：

所述的输出门o_t的计算按下式：

o_t＝σ(w_o×[h_t-1,x_t]+b_o) (5)

式(5)中：w_o为t时刻输出门o_t的权值矩阵；b_o为偏置量；

所述的隐藏层输出值h_t计算按下式：

h_t＝o_t×tanh(c_t) (6)