[发明专利]基于小波分析和BP神经网络的光伏发电功率预测

摘要

本发明提供了一种基于小波分析和BP神经网络的光伏发电功率预测的方法。本方法对光伏发电功率数据进行相似日分类，通过对相似日光伏发功率进行小波分解及阈值处理，得到稀疏化后的相似日的光伏发电功率小波系数；以相似日的光伏发电功率小波系数和气象数据作为BP神经网络的输入，BP神经网络的输出为待预测日的光伏发电功率小波系数，对神经网络进行训练，用于发电功率小波系数的预测。将小波系数重构后得到待预测日的光伏发电功率。其中，小波变换可以实现数据压缩和降噪，BP神经网络有很强的自主学习能力、泛化能力和非线性映射能力，将二者结合可以利用其优点提高预测精度和改善神经网络的收敛速度，降低了神经网络的时间复杂度。

主权项

1.基于小波分析和BP神经网络的光伏发电功率预测，其特征在于包括下列步骤：步骤一：对光伏发电功率数据进行相似日的分类选取出相似日；步骤二：对步骤一所得相似日的光伏发电功率进行采样，根据小波是否具有正交性、双正交性以及能否进行离散小波变换，从任意类型的小波中选取合适的n种小波函数及其阈值，对采样数据利用n种小波进行小波分解和阈值处理，最后对稀疏化后的小波系数进行实验仿真，对所得结果理论分析，得到最优小波函数和阈值；步骤三：利用步骤二的最优小波函数和阈值，对相似日光伏发电功率数据进行1层小波分解，将小波分解得到的小波系数先进行归一化处理，然后利用最优阈值进行阈值处理，得到稀疏化后的小波系数；步骤四：输入步骤三所得稀疏化后的相似日光伏发电功率小波系数、相似日日最高气温、相似日日最低气温、待预测日日最高气温、待预测日日最低气温，BP神经网络进行训练，得到网络结构；步骤五：利用步骤四得到的网络结构，输入相似日的日最高气温、相似日的日最低气温、待测日的日最高气温、待测日的日最低气温和相似日的光伏发电功率小波系数，得到待预测日的光伏发电小波系数；步骤六：将步骤五得到的光伏发电功率小波系数重构得到待测日的光伏发电功率。