一种基于气象聚类的神经网络超短期光伏功率预测方法技术

本发明专利技术涉及一种基于气象聚类的神经网络超短期光伏功率预测方法，包括以下步骤：S1、构造二次变量；S2、对二次变量中的实测数据和预测数据进行归一化，并对辐照数据进行修正；S3、对归一化后的实测数据进行筛选，基于改进的蚁群聚类算法进行聚类，得到类晴天、类阴天和类雨天三类变异聚类结果；S4、对三类变异聚类结果基于随机森林特征度进行筛选，得到特征变量组；S5、对LSTM神经网络进行训练，将S2中的数据输入LSTM模型，得到光伏功率预测结果；S6、对光伏功率预测结果进行评估，果优化光伏功率预测结果。与现有技术相比，本发明专利技术具有提高对电网系统冲击较大的波动性天气预测准确度等优点。

【技术实现步骤摘要】

本专利技术涉及光伏功率预测领域，尤其是涉及一种基于气象聚类的神经网络超短期光伏功率预测方法。

技术介绍

1、由于受到太阳辐射强度和季节性气候的影响，光伏发电具有强烈的间歇性、波动性、随机性的特点，这种缺陷导致了光伏大规模接入电网导致发用电平衡难度加大，电力系统运行不确定性显著增加。如何在提高可再生能源利用率的同时，保障电网的安全稳定和经济运行，是新能源领域研究的热点问题。光伏发电功率预测一般通过时间尺度进行分类，主要分为中长期、短期和超短期。其中长期预测主要基于数值天气预报(nwp)对未来七天以上的功率进行预测，主要用于电站规划设计和电网的长期调度等。而短期和超短期预测主要是未来三天及四小时的功率预测，主要用于对电网的实时调度，控制发电机组的运行装填，加强电网的运行稳定性。cn114626622a公开了一种光伏功率预测方法、系统、装置及存储介质，通过获取气象预测数据，并将气象预测数据输入到预设的地表辐照度预测模型中，获得地表辐照度；基于地表辐照度计算得到倾斜面辐照度；基于倾斜面辐照度计算得到预测光伏功率，解决了数据来源困难的问题，提高了光伏预测功率的精度。本文档来自技高网...

【技术保护点】

1.一种基于气象聚类的神经网络超短期光伏功率预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于气象聚类的神经网络超短期光伏功率预测方法，其特征在于，改进的蚁群聚类算法的参数包括信息素τ，信息素τ的更新公式为：

3.根据权利要求1所述的一种基于气象聚类的神经网络超短期光伏功率预测方法，其特征在于，改进的蚁群聚类算法中，对于聚类得到的类晴天、类阴天和类雨天中任一类的聚类结果，从所有聚类结果中选择出预配置比例的聚类结果，将这些聚类结果随机分配到其他类的聚类中心中，得到变异聚类结果，所述预配置比例为10％～20％。

4.根据权利要求1所述的...

【技术特征摘要】

1.一种基于气象聚类的神经网络超短期光伏功率预测方法，其特征在于，包括以下步骤：

2.根据权利要求1所述的一种基于气象聚类的神经网络超短期光伏功率预测方法，其特征在于，改进的蚁群聚类算法的参数包括信息素τ，信息素τ的更新公式为：

3.根据权利要求1所述的一种基于气象聚类的神经网络超短期光伏功率预测方法，其特征在于，改进的蚁群聚类算法中，对于聚类得到的类晴天、类阴天和类雨天中任一类的聚类结果，从所有聚类结果中选择出预配置比例的聚类结果，将这些聚类结果随机分配到其他类的聚类中心中，得到变异聚类结果，所述预配置比例为10％～20％。

4.根据权利要求1所述的一种基于气象聚类的神经网络超短期光伏功率预测方法，其特征在于，基于随机森林特征度进行筛选，在每一类变异聚类结果中筛选出特征变量组具体为：

5.根据权利要求4所述的一种基于气象聚类的神经网络超短期光伏功率预测方法，其特征在于，基尼指数的表达式为：

6.根据...

【专利技术属性】
技术研发人员：刘莘轶，李勇，于立军，李罡，刘单珂，李睿，戴朝辉，
申请(专利权)人：上海交通大学，
类型：发明
国别省市：