[发明专利]一种光伏电站发电功率的神经网络预测方法

摘要

一种光伏电站发电功率的神经网络预测方法，该方法通过使用带动量的BP神经网络，能够根据气象历史数据中的温度和光照以及发电功率历史数据建立拟合相应函数关系的神经网络模型，并能根据最近两小时天气情况找寻到同时段最相似的历史情况，据此对对未来一段时间的光伏电站发电功率进行预测。对光伏电站的输出功率进行预测有助于电网调度部门统筹安排常规电源和光伏发电的协调配合,适时及时地调整调度计划,合理安排电网运行方式。

主权项

1.一种光伏电站发电功率的神经网络预测方法，其特征在于，包括步骤，1）预测模型的建立在发电功率预测模型中，仅采用预测日前一天的数据，去掉夜间的12小时，将每小时的发电功率作为输入变量共12个数据，通过计算得到对应每个小时的平均发电功率；单位面积的光伏阵列输出功率为P=nSI(10.005(t+25))，式中n是转换效率；S是阵列面积；I是太阳辐照强度；t是大气温度；2）预测模型的设计采用BP神经网络进行光伏阵列发电预测模型的设计，BP神经网络是一种单向传播的多层前向网络，输入层节点的输出等于其输入，wij是输入层和隐层节点之间的连接权值，wjk是隐层和输出层节点之间的连接权值，隐层和输出层节点的输入是前一层节点的输出的加权和，每一节点的激励程度由它的激励函数来决定；3）预测模型的修正修正过程为：从数据库找寻与最近两小时大气温度、光照强度同时段最相似的那一天，设当前日最近两个小时的大气温度为(X₁X₂…X_N)，光照强度为(Y₁Y₂…Y_N)，历史数据中的某天同时段对应数据为(X₁′X₂′…X_N′)(Y₁′Y₂′…Y_N′)，记，f(day)=min(f),则day即为与当日同时段历史最相似的那一天，以那一天后续时间的历史数据为依据对有神经网络预测出的数据进行调整；4）预测模型的训练与评估a）训练样本的数据处理，采用归一化处理，当需要输入和目标数据落入[0，1]区间时，归一化公式为式中p_n为原始数据，Pn为归一化后的数据；b）预测模型的评估，采用平均绝对百分比误差MAPE， MAPE = 100 N Σ i = 1 N | P f i - P a i | P a i % ]]>式中，N为数据总数，P_a为预测值，P_a为真实值，i为数据序号。