【技术实现步骤摘要】
本专利技术涉及光伏发电
，具体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。
技术介绍
可再生能源发电是较为高效和清洁的可再生能源利用方式，也是目前可再生能源 使用技术中最成熟、最具有规模化开发条件和商业化发展前景的方式之一。而光伏发电则 是可再生能源的主要利用方式，是智能电网的主要组成部分。而短期发电功率的预测则是 光伏发电是否能成功推广的关键，也是电力调度部门制定电力调度计划的依据，更是家庭 或企业等自建光伏发电系统效益的重要保障。 而目前所有短期太阳能光伏发电预测方法都是基于相同的思路：首先利用数学和 物理学理论及相关数据建立预测公式或模型，再通过预测公式或模型对光伏电站发电量进 行预测。根据所采用的数学物理理论及其预测输出量，光伏发电预测方法可分为两大类： (1)直接预测光电系统输出功率的直接预测法（又叫统计法）；（2)首先对太阳辐射进行预 测，然后根据光电转换效率得到光电输出功率的间接预测法（又叫物理法）。 直接预测方法在地理位置、周边环境、光伏面板及逆变系统都确定的前提下，通过 统计历史运行数据，进行有效建模，可直接预...
【技术保护点】
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...
【技术特征摘要】
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。