[发明专利]一种适用于小样本的神经网络光伏发电预测方法及系统

摘要

本发明公开了一种适用于小样本的神经网络光伏发电预测方法及系统，方法包括：首先获取历史（小样本）光伏发电功率数据、气象数据；根据影响光伏发电的因素建立BP神经网络光伏发电预测模型；为了解决训练数据过少导致预测模型出现的过拟合的问题，采用Dropout策略对神经网络进行优化，为了解决BP神经网络容易陷入极小值的问题，采用遗传算法对神经网络进行优化；将样本数据分为训练数据集和测试数据集，使用训练数据训练神经网络光伏发电预测模型，使用测试数据集测试网络，提高神经网络光伏发电预测模型的泛化能力。采用本发明的方法，能够有效的解决在小样本历史数据的情况下，神经网络光伏发电预测模型存在过拟合导致精度过低的问题。

主权项

1.一种神经网络光伏发电预测方法，其特征在于，包括：获取历史光伏发电功率数据、气象数据；基于历史光伏发电功率数据、气象数据，根据影响光伏发电的因素建立BP神经网络光伏发电预测模型；采用Dropout策略对神经网络进行优化，采用遗传算法对神经网络进行优化；确定Dropout概率p，分解神经网络子模型，对神经网络子模型ga函数参数寻优，权值重计算，将优化后的权值赋给BP神经网络得到最终的BP神经网络光伏发电预测模型；获取天气预报数据，得到模型输入属性；将得到的模型输入属性输入最终的BP神经网络光伏发电预测模型，模型输出输入属性对应的输出属性，即预测数据。