【技术实现步骤摘要】
基于神经网络的光伏发电功率预测方法及系统
[0001]本专利技术涉及光伏发电功率预测
,具体而言,涉及一种基于神经网络的光伏发电功率预测方法及系统
。
技术介绍
[0002]近年来,随着人口增长和经济发展,全球能源需求不断增加,传统的不可再生能源已经难以满足这种需求
。
因此,分布式可再生能源发电技术,尤其是光伏发电技术,因其高性能
、
高效率和成本低在全球范围内得到了广泛的应用
。
然而,随着光伏发电容量的不断增加,光伏发电的功率输出具有较强的随机性
、
波动性和间歇性,给电力系统的安全稳定运行带来了严重的挑战
。
[0003]为此,结合人工智能技术的发展,越来越多的神经网络算法被应用至光伏发电功率预测领域中,然而现有基于神经网络的光伏发电功率预测方案中,一方面特征数据具有较大的波动性,另一方面利用智能算法对超参数进行寻优易陷入局部最优,随着数据集的增加,会使得超参数寻优效率偏低,进而导致模型预测效率低下
、
预测点存在预测误差
、
预测效果存在随机性的问题,为此,我们提出一种基于神经网络的光伏发电功率预测方法及系统
。
技术实现思路
[0004]本专利技术的目的在于提供一种基于神经网络的光伏发电功率预测方法及系统,用以提升光伏发电功率预测的准确性和稳定性
。
[0005]本专利技术第一方面的技术方案提供了一种基于神经网络的光伏发电功率预测方法,包括如 ...
【技术保护点】
【技术特征摘要】
1.
基于神经网络的光伏发电功率预测方法,其特征在于,包括如下步骤:获取光伏发电站的历史运行数据集,基于改进后的灰色关联度分析法对历史运行数据集进行关联度聚类,获取不同天气类型下的相似日数据集;利用主成分分析法对相似日数据集进行预处理,获取历史模型训练数据集;构建初始光伏发电功率预测模型;基于改进后的鲸鱼寻优算法,对初始光伏发电功率预测模型进行寻优,获取优化后的光伏发电功率预测模型;获取光伏发电站的实时气象数据,并输入优化后的光伏发电功率预测模型,得到光伏发电功率预测结果
。2.
根据权利要求1所述的基于神经网络的光伏发电功率预测方法,其特征在于,基于改进后的灰色关联度分析法对历史运行数据集进行关联度聚类,获取不同天气类型下的相似日数据集具体包括:构建比较数据序列和参考数据序列,并获取比较数据序列和参考数据序列的初始灰色关联系数,初始灰色关联系数的表达式为:式中,为初始灰色关联系数,为历史运行数据指示量,为气象因子指示量,为比较数据序列的气象因子指示量与参考数据序列的气象因子指示量之间的绝对差值,为绝对差值的最大值,为绝对差值的最小值,为分辨系数;式中,为参考数据序列,,为比较数据序列,,为气象因子总数,为历史运行数据总数;获取比较数据序列的信息熵值,其表达式为:获取比较数据序列的信息熵值,其表达式为:式中,为信息熵值,为比较数据在比较数据序列总和的占比值;根据初始灰色关联系数和信息熵值,获取改进后的灰色关联系数;根据预设的分辨系数和改进后的灰色关联系数筛选比较数据序列,并对历史运行数据集进行划分,获取不同天气类型下的相似日数据集
。3.
根据权利要求2所述的基于神经网络的光伏发电功率预测方法,其特征在于,改进后的灰色关联系数的表达式为:
式中,为改进后的灰色关联系数
。4.
根据权利要求1所述的基于神经网络的光伏发电功率预测方法,其特征在于,利用主成分分析法对相似日数据集进行预处理,获取历史模型训练数据集具体包括:将不同天气类型下的相似日数据集转换为相似日数据矩阵并构建相似日数据矩阵的转换矩阵,其表达式为:式中,为主成分矩阵,为主成分矩阵的协方差矩阵,为相似日数据矩阵,,为相似日数据集的行向量,为相似日数据矩阵的转换矩阵,为单位特征向量矩阵,为转置,为相似日数据的总数;根据主成分矩阵中备选主成分行向量的方差累计贡献率,选择对应数量的备选主成分作为主成分,其表达式为:式中,为备选主成分行向量的方差累计贡献率,为主成分的数量,为备选主成分行向量的方差;根据主成分,对不同天气类型下的相似日数据集进行数据降维,获取数据降维后的相似日数据集;对降维后的相似日数据集进行归一化,获取不同天气类型下的历史模型训练数据集
。5.
根据权利要求4所述的基于神经网络的光伏发电功率预测方法,其特征在于,不同天气类型下的历史模型训练数据集的表达式为:式中,为归一化后的相似日数据,为归一化前降维后的相似日数据,归一化前降维后的相似日数据的最大值,归一化前降维后的相似日数据的最小值
。6.
根据权利要求1至5任一项所述的基于神经网络的光伏发电功率预测方法,其特征在于,初始光伏发电功率预测模型包括依次连接的输入层
、
基于
CNN
网络构建的空间特征提取层
、
基于
Attention
机制构建的注意力权重层
、
基于
BiGRU
网络构建的特征学习层
、
基于
KELM
网络构建的误差预测层以及输出层
。7.
根据权利要求5所述的基于神经网络的光伏发电功率预测方法,其特征在于,基于改进后的鲸鱼寻优算法,对初始光伏发电功率预测模型进行寻优,获...
【专利技术属性】
技术研发人员:张宏,王海侠,刘剑锋,靖鑫,高宏伟,李岩,赵彦睿,原桦,崔博玮,
申请(专利权)人:华能新能源股份有限公司山西分公司,
类型:发明
国别省市:
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。