[发明专利]一种基于独立循环神经网络的新能源出力预测方法及系统

摘要

本发明公开了本发明涉及一种基于独立循环神经网络的新能源出力预测方法及系统，通过输入规划地区发展的某类新能源若干年内的出力曲线的历史数据，采用PFCM聚类算法对各年度出力曲线进行聚类，确定各年度的最优聚类场景数目NS，采用场景削减算法获取各年的概率权重典型出力曲线，然后对独立循环神经网络进行训练，利用训练所得预测模型进行未来的年典型出力曲线预测；本发明用于在地区广泛进行新能源电力规划建设的发展新阶段中，能够着重考量新能源渗透率的变化，预测出更为精准的年度新能源出力典型曲线，在新能源规划建设中能够取得更为精确新能源出力预测结果，为地区电力规划建设与调度工作提供更为可靠的参考。

主权项

1.一种基于独立循环神经网络的新能源出力预测方法，其特征在于：包括以下步骤：A、通过数据输入模块输入规划区域内一类新能源N年内的年出力曲线历史数据；B、采用可能性模糊C‑均值聚类算法对N年内各年度出力曲线进行聚类，根据聚类中心的聚类密集性，确定各年度的最优聚类场景数目NS；C、将各年度期望场景数设定为NS，采用场景削减算法获取N年内各年度的年概率权重典型出力曲线；D、独立循环神经网络根据N年内各年度的年概率权重典型出力曲线和该类新能源的特征数据进行训练建模，以训练获取基于独立循环神经网络的深度学习预测模型；特征数据包括该类新能源的历史年渗透率和历史年装机容量；E、通过数据输入模块输入该类新能源在该区域内规划的预计特征数据，深度学习预测模型对规划区域内该类新能源未来的规划年典型出力曲线进行预测；预计特征数据包括该类新能源的规划年渗透率和规划年装机容量；F、数据输出模块输出该类新能源的规划年典型出力曲线预测结果。