【技术实现步骤摘要】
基于长短期记忆神经网络的短期光伏发电量预测方法
本专利技术属于光伏发电
技术介绍
光伏系统受天气状况、昼夜交替以及季节变化的影响，具有间歇性、随机性和波动性的特点，在大规模并入电网时将给电力系统的生产和运行带来极大的挑战，因此迫切需要开展针对光伏发电预测技术的研究。根据光伏发电的预测结果，调度运行人员可以及时采取应对措施，调整和优化发电计划，合理安排系统使用，改善电网调峰能力；能够合理安排光伏电站检修计划，减少弃光,提高新能源企业的盈利能力。影响光伏发电的因素有很多，例如光伏组件的规格型号、光伏阵列的安装排布等，这些电气特性固定下来后，光伏输出主要取决于气象因素，其中，光伏组件表面接收到的太阳辐射量是影响光伏发电的直接因素。因而，通过对太阳辐射量进行预测，间接计算出光伏系统输出功率的方法，就可以达到提高光伏系统合理配电能力的目的。为了提高太阳辐射量的预测精度，近年来提出了不少预测方法，主要有：时间序列、线性回归模型、贝叶斯网络、支持向量机以及神经网络。由于神经网络有很强的非线性拟合能力，可映射任意复...
【技术保护点】
1.一种基于长短期记忆神经网络的短期光伏发电量预测方法，其特征是包括以下步骤：/n(1)获取相关地区光伏系统所接收的太阳辐射量数据及相应的历史气象数据信息，分析并选取影响光伏系统发电量的气象因素；预测每天5:00-18:00各整点时刻的太阳辐射量；所需要获取的历史气象数据信息包括：每天5:00-18:00各整点时刻的温度、湿度、风速、太阳高度角以及天气状况，其中天气状况包括晴天、雨天、阴天；/n(2)根据所选取的影响因素，确定长短期记忆神经网络的输入数据和输出数据，建立长短期记忆神经网络模型；利用预测日之前30天相同时刻的太阳辐射量序列来预测该日5:00-18:00各整点时...
【技术特征摘要】
1.一种基于长短期记忆神经网络的短期光伏发电量预测方法，其特征是包括以下步骤：
(1)获取相关地区光伏系统所接收的太阳辐射量数据及相应的历史气象数据信息，分析并选取影响光伏系统发电量的气象因素；预测每天5:00-18:00各整点时刻的太阳辐射量；所需要获取的历史气象数据信息包括：每天5:00-18:00各整点时刻的温度、湿度、风速、太阳高度角以及天气状况，其中天气状况包括晴天、雨天、阴天；
(2)根据所选取的影响因素，确定长短期记忆神经网络的输入数据和输出数据，建立长短期记忆神经网络模型；利用预测日之前30天相同时刻的太阳辐射量序列来预测该日5:00-18:00各整点时刻的太阳辐射量；模型的输入数据X＝{SI1T,TT,HT,WST,SAT,WT}，输出数据Y＝{SI2T}，其中，SI1、T、H、WS、SA分别是预测日前30天每天5:00-18:00各整点时刻的太阳辐射量、温度、湿度、风速、太阳高度角，均为14维的向量；W为5:00-18:00各整点时刻天气状况，将天气类型晴天、雨天、阴天分别标记为1、2、3；输出数据SI2是预测日当日5:00-18:00各整点时刻的太阳辐射量；
(3)将太阳辐射量数据和历史气象数据归一化处理后分为测试样本和训练样本，根据训练样本建立长短期记忆神经网络并进行误差计算、权值更新和阈值更新；训练方法采用反向传播算法，并采用误差平方和函数进行代价函数学习；
(4)根据训练后得到的长短期记忆神经网络模型，以预测日之前30天每天5:00-18:00各整点时刻的太阳辐射量、温度、湿度、风速、太阳高度角、天气类型作为输入数据，预测当日的5:00-18:00各整点时刻的太阳辐射量，长短期记忆神经网络的时间步长设置为14；将预测结果反归一化处理即可得到当日的太阳辐射量数据；
(5)利用预测的太阳辐射量数据计算出预测日当日的光伏发电量。
2.根据权利要求1所述的一种基于长短期记忆神经网络的短期光伏发电量预测方法，其特征是所述的步骤(2)中：
每个长短期记忆神经网络记忆单元中含有3个控制门，分别是输入门it、输出门ot和遗忘门ft；长短期记忆神经网络在时刻t的输入数据为xt，输出值为ht，ct为记忆状态；长短期记忆神经网络记忆单元更新如下：<...
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。