基于改进BP神经网络的光伏输出功率预测方法及系统技术方案

本公开提供了基于改进BP神经网络的光伏输出功率预测方法及系统，所述方案包括：获取光伏电站的历史气象数据，并对所述历史气象数据进行降维；根据天气类型对所述历史气象数据进行分类；根据分类结果选择预训练的不同天气类型下的光伏功率预测模型，将所述历史气象数据作为模型输入，获得光伏输出功率预测结果；所述方案利用主成分分析法对原始数据进行筛选，降低数据维数和复杂程度；然后，使用粒子群算法对BP神经网络的权值和阈值进行优化，弥补了传统BP神经网络训练时间长、易陷入局部极值点的不足，有效提高了光伏预测精度和效率。有效提高了光伏预测精度和效率。有效提高了光伏预测精度和效率。

【技术实现步骤摘要】
基于改进BP神经网络的光伏输出功率预测方法及系统


[0001]本公开属于光伏发电
，尤其涉及基于改进BP神经网络的光伏输出功率预测方法及系统。

技术介绍

[0002]本部分的陈述仅仅是提供了与本公开相关的
技术介绍
信息，不必然构成在先技术。
[0003]光伏发电具有间歇性和随机性的固有缺点，随着大量光伏发电接入电网，势必会对电力系统的安全、稳定运行以及保证电能质量带来严峻的挑战，因此光伏发电输出功率预测成为解决这一问题的有效途径之一；专利技术人发现，现有技术的预测精度不高，存在较多预测误差，并且模型训练时间较长。传统神经网络还存在易陷入局部极值点、收敛速度慢的问题。由于光伏出力的随机性和波动性较强，会对电网的安全运行和调峰调度带来挑战，其必然也会引入预测误差，增加预测结果的不确定性，进而较大程度的限制可再生能源的消纳；同时，现有方法并未考虑不同天气类型对光伏发电的影响，无法对不同天气类型下的光伏输出功率进行精准预测。

技术实现思路

[0004]本公开为了解决上述问题，提供了基于改进BP神经网络的光伏输出功率预测方法及本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于改进BP神经网络的光伏输出功率预测方法，其特征在于，包括：获取光伏电站的历史气象数据，并对所述历史气象数据进行降维；根据天气类型对所述历史气象数据进行分类；根据分类结果选择预训练的不同天气类型下的光伏功率预测模型，将所述历史气象数据作为模型输入，获得光伏输出功率预测结果；其中，所述不同天气类型下的光伏功率预测模型的训练过程为：利用不同天气类型下的历史气象数据和对应的光伏输出功率历史数据，分别训练不同天气类型下的光伏功率预测模型，同时，利用PSO算法对所述光伏功率预测模型进行优化处理。2.如权利要求1所述的基于改进BP神经网络的光伏输出功率预测方法，其特征在于，所述光伏功率预测模型采用BP神经网络模型，其中，所述利用PSO算法对所述BP神经网络模型进行优化处理，具体为：利用PSO算法对所述BP神经网络模型的初始阈值、权值进行优化，结合PSO全局搜索的能力和BP局部优化的特点，进行光伏输出功率的精准预测。3.如权利要求2所述的基于改进BP神经网络的光伏输出功率预测方法，其特征在于，所述利用PSO算法对所述BP神经网络模型的初始阈值、权值进行优化，具体包括：用PSO算法中的粒子表示为BP神经网络待优化参数集合，每个粒子的维度等于BP网络中的权值和阈值的个数；将适应度函数定义为训练样本的均方误差，迭代求解粒子群在若干次迭代中经历过的种群最优位置，将最优位置粒子的参数集合赋值给BP神经网络连接权值，实现BP神经网络权值和阈值的训练。4.如权利要求2所述的基于改进BP神经网络的光伏输出功率预测方法，其特征在于，所述BP神经网络包括输入层、隐含层和输出层。5.如权利要求1所述的基于改进BP神经网络的光伏输出功率预测方法，其特征在于，所述对所述历史气象数据进行降维采用主成分分析法，筛选出反映气象数据主...

【专利技术属性】
技术研发人员：刘航航，王元元，马晓祎，胡鹏飞，蔡言斌，刘琪，苏小向，张丹，李士峰，
申请(专利权)人：国网山东省电力公司东营供电公司，
类型：发明
国别省市：