一种利用BP神经网络提高光伏发电量预测准确度的方法技术

本发明专利技术公开了一种利用BP神经网络提高光伏发电量预测准确度的方法，包括确定影响光伏发电量的影响因子；用影响因子作为光伏发电量的初始值；获取光伏发电量的预测值；根据预测值与实际值的差值，利用BP神经网络学习完善和修正电量预测公式中各影响因子的权重值；用影响因子和修正后的权重值的电量预测公式获取光伏发电量的最终预测值；本发明专利技术通过BP神经网络对电量预测公式的权重进行修复，从而减小电量预测值与实际值的误差，提高光伏发电量预测的准确度。的准确度。的准确度。

【技术实现步骤摘要】
一种利用BP神经网络提高光伏发电量预测准确度的方法


[0001]本专利技术涉及光伏发电量预测
，尤其涉及一种利用BP神经网络提高光伏发电量预测准确度的方法。

技术介绍

[0002]光伏发电系统是指能将太阳能直接转化为电能的装置，光伏电池电流
‑
电压输出特性是非线性的，且其输出特性受日照、温度等因素的影响较大，另外，光伏电池的转换效率很低，价格昂贵，初期投入大，因此，有必要采用最大功率跟踪控制来提高光伏系统的效率，目前常用的最大功率点跟踪方法有扰动观测法、恒定电压法、增量电导法、最优梯度法等，这些方法控制复杂、难于实现、扰动量无法确定等问题。
[0003]文献号为CN108960491A的专利文献公开一种基于RBF神经网络的光伏发电量预测方法，包括步骤：根据光伏发电量及其拟选取影响因素的历史数据构建训练样本；基于已构建的训练样本，采用改进遗传算法选取光伏发电量影响因素，并对RBF神经网络进行训练，得到光伏发电量影响因素和训练好的RBF神经网络；将光伏发电量影响因素的待预测日数据输入已训练好的RBF神经网络，得到光伏本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种利用BP神经网络提高光伏发电量预测准确度的方法，其特征在于：包括以下步骤：S1、确定影响光伏发电量的影响因子；S2、用影响因子和BP算法获取光伏发电量的初始预测值；S3、获取光伏发电量的实际值；S4、根据初始预测值与实际值的差值，修复BP算法中各影响因子的权重值；S5、用影响因子和完善权重值后的电量预测公式获取光伏发电量的最终预测值；其中，电量预测公式为：Y＝W1*x1+W1*x2+W1*X3+......+W2*x2+W3*x3其中x1，x2，x3为影响因子，W1，W2,W3为影响因子在光伏发电量中的权重值。2.根据权重要求1所述的一种利用BP神经网络提高光伏发电量预测准确度的方法，其特征在于：所述根...

【专利技术属性】
技术研发人员：赵二保，袁礼山，马春水，余松，
申请(专利权)人：安徽尚特杰电力技术有限公司，
类型：发明
国别省市：