[发明专利]一种基于粒子群算法小波神经网络的光伏发电量的预测方法

摘要

本发明涉及一种基于粒子群算法小波神经网络的光伏发电量的预测方法。该预测发明实现了太阳能光伏发电量的预测，实现了粒子群算法和小波神经网络学习神经系统的有机结合，该预测系统包括粒子群算法对小波神经网络的模型参数优化的模块、优化后的小波神经网络学习训练模块和训练结束后的小波神经网络预测模块。该预测方法结合粒子群算法和小波神经网络各自的优点，有效地提高了预测精度，减少了预测误差，为光伏发电的大规模并网提供技术支持，而且具有可移植性，只需要进行简单修改，可以为风能和其他新能源提供发电预测。

主权项

一种基于粒子群算法小波神经网络的光伏发电量的预测方法，其特征在于：包括以下步骤： A、获取发电量的历史数据以及相关的历史天气参数信息； B、对收集的数据进行归一化处理，设计小波神经网络结构，根据输入的特征向量的维数和最后的输出的光伏发电量的状态数，确定小波神经网络的输入和输出层神经元个数，并通过方法确定隐含层神经元个数，其中隐含层和输出层的激活函数分别用Morlet小波函数和线性Purelin函数；   C、将一种改进的粒子群算法对小波神经的模型参数进行前期优化，是对网络的输入层与隐含层之间的连接权值、隐含层与输出层之间的连接权值和阈值通过粒子群算法得到最优解作为小波神经的初始参数值；   D、通过粒子群算法得到小波神经网络的初始参数值加入到小波神经网络中，再用梯度下降法对建立的神经网络进行训练学习，让预测误差尽可能小，达到理想的标准；E、将预测日前一日的有效发电时每小时发电量、预测日前一日的天气参数数据和预测日的天气参数数据作为输入，采用训练后的神经网络对预测日的发电量进行预测。