一种基于小波变换和小波神经网络的光伏电站短期功率预测方法技术

本发明专利技术涉及一种基于小波变换和小波神经网络的光伏电站短期功率预测方法，包括步骤：选取与光伏功率最为相关的四种气象参数作为模型的输入；对待预测日之前的设定天数历史数据进行处理，作为训练数据集；使用小波变换将训练数据集中的历史数据均分解为稳态分量和非稳态分量；采用小波神经网络对训练数据集进行学习，针对稳态分量和非稳态分量分别训练对应的小波神经网络模型，并用随机梯度下降法调整网络的参数；将待预测日的NWP气象参数归一化并使用小波变换分解为稳态分量和非稳态分量，然后将之作为对应模型的输入，得出各个预测的功率值分量，各功率分量求和并反归一化即为预测的最终功率值。本发明专利技术能够有效提高短期功率的预测精度。

【技术实现步骤摘要】
一种基于小波变换和小波神经网络的光伏电站短期功率预测方法
本专利技术涉及光伏电站功率预测
，特别是一种基于小波变换和小波神经网络的光伏电站短期功率预测方法。
技术介绍
大规模、无节制地开采化石燃料使得这些宝贵的资源快速地衰竭，同时还引起了雾霾、酸雨和温室效应等严峻的环境问题，随着全球能耗的快速增长，环境将进一步恶化，为解决能源与环境问题，有必要节能减排，大力开发新能源，走可持续发展的低碳道路。新能源之中以太阳能最受瞩目，根据中国光伏行业协会提供的数据，2019年我国新增光伏并网装机容量达到30.1GW，累计光伏并网装机量达到204.3GW。2019年全年光伏发电量2242.6亿千瓦时，同比增长26.3％，占我国全年总发电量的3.1％，同比提高0.5个百分点。但是凡事有利必有弊，光伏发电也不是十全十美的，太阳能具有波动性强、随机性大的特点，将光伏所发的电输入电网中势必会引起电网的电压有所波动，这将不利于用电器的工作，波动过大时甚至会导致用电器损坏，为了缓解这一问题，有学者提出了可以利用光伏功率预测的方法，提前制定电网的调配计本文档来自技高网...

【技术保护点】
1.一种基于小波变换和小波神经网络的光伏电站短期功率预测方法，其特征在于，包括以下步骤：/n使用相关系数分析影响光伏功率的气象参数，最后选取与光伏功率最为相关的四种气象参数作为模型的输入；/n对待预测日之前的设定天数的历史数据进行处理，剔除异常值和黑夜的值，然后对历史功率和历史气象参数进行归一化处理，将其作为训练数据集；/n使用小波变换将训练数据集中的历史功率数据和历史气象数据均分解为稳态分量和非稳态分量；/n采用小波神经网络对经小波变换后的训练数据集进行学习，针对稳态分量和非稳态分量分别训练对应的小波神经网络模型，即稳态部分的功率由稳态部分的气象参数来进行预测，非稳态部分的功率由非稳态部分的...

【技术特征摘要】
1.一种基于小波变换和小波神经网络的光伏电站短期功率预测方法，其特征在于，包括以下步骤：
使用相关系数分析影响光伏功率的气象参数，最后选取与光伏功率最为相关的四种气象参数作为模型的输入；
对待预测日之前的设定天数的历史数据进行处理，剔除异常值和黑夜的值，然后对历史功率和历史气象参数进行归一化处理，将其作为训练数据集；
使用小波变换将训练数据集中的历史功率数据和历史气象数据均分解为稳态分量和非稳态分量；
采用小波神经网络对经小波变换后的训练数据集进行学习，针对稳态分量和非稳态分量分别训练对应的小波神经网络模型，即稳态部分的功率由稳态部分的气象参数来进行预测，非稳态部分的功率由非稳态部分的气象参数来进行预测，并用随机梯度下降法调整网络的参数；
将待预测日的NWP气象参数归一化并使用小波变换分解为稳态分量和非稳态分量，然后将之作为对应模型的输入，得出各个预测的功率值分量，各功率分量求和并反归一化即为预测的最终功率值。


2.根据权利要求1所述的一种基于小波变换和小波神经网络的光伏电站短期功率预测方法，其特征在于，所述与光伏功率最为相关的四种气象参数分别为：地面水平辐照度、散射水平辐照度、环境温度和相对湿度。


3.根据权利要求1所述的一种基于小波变换和小波神经网络的光伏电站短期功率预测方法，其特征在于，所述剔除异常值和黑夜的值具体为：剔除由非气象参数引起的功率变化所对应的数据，以及剔除黑夜的数据，取白天6时至19时的数据。


4.根据权利要求1所述的一种基于小波变换和小波神经网络的光伏电站短期功率预测方法，其特征在于，所采用的小波变换的基函数为Biorthogonal小波系中的bior6.8。


5.根据权利...

【专利技术属性】
技术研发人员：陈志聪，陈辉煌，吴丽君，程树英，林培杰，
申请(专利权)人：福州大学，
类型：发明
国别省市：福建;35