[发明专利]一种适于并网光伏发电的迁移神经网络功率预测方法

摘要

本发明公开了一种适于并网光伏发电的迁移神经网络功率预测方法，包括获取多个光伏方阵的相关数据；建立聚类模型，将多个光伏方阵进行聚类；对每组类光伏方阵分别建立BP神经网络模型；将对应的神经网络模型进行二分；符合自主训练的模型利用自身的训练集进行参数训练，不符合自主训练的模型通过参数迁移并进行增量学习；获得每个光伏方阵的发电预测功率；综合每个光伏方阵的发电预测功率，获得整个并网光伏发电的预测功率。本发明提出的预测方法，从光伏方阵聚类、训练参数迁移学习、增量学习和新增光伏方阵分类四个方面进行优化和改进，使得本方法更加适合于并网光伏发电功率的预测，预测准确度更高，效果更好。

主权项

1.一种适于并网光伏发电的迁移神经网络功率预测方法，其特征在于，包括以下步骤：步骤1，获取并网光伏发电的多个光伏方阵所处的地理数据、设备数据、历史气象数据和发电功率数据；步骤2，建立聚类模型，将多个光伏方阵进行聚类，获得多组类光伏方阵；步骤3，对每组类光伏方阵分别建立BP神经网络模型，确定输入层、隐含层和输出层数量；步骤4，根据每组类光伏方阵对应的模型训练数据多少，将对应的神经网络模型进行二分，符合自主训练的模型和不符合自主训练的模型；步骤5，符合自主训练的模型利用自身的训练集进行参数训练，不符合自主训练的模型通过参数迁移并进行增量学习；步骤6，获得每个光伏方阵的现实气象数据，将其分类输入至对应的预测模型中，获得每个光伏方阵的发电预测功率；步骤7，综合每个光伏方阵的发电预测功率，获得整个并网光伏发电的预测功率。