[发明专利]基于改进RBF神经网络的光伏电站群区域功率预测方法

权利要求书

1.一种基于改进RBF神经网络的光伏电站群区域功率预测方法，其特征在于：它依次包括以下步骤：

步骤1：将整个区域划分为若干子区域，并进行数据质量控制，剔除明显不合实际的数据点；

步骤2：计算各子区域内光伏电站实测功率与子区域总实测功率间的相关性系数，为每一个子区域选择若干基准光伏电站；

步骤3：利用物理和统计相结合的方法实现基准光伏电站的短期输出功率预测；

步骤4：建立基于遗传操作算子的粒子群算法优化的RBF神经网络模型，预测各子区域的短期输出功率；

步骤5：将各子区域功率预测结果累加得到区域光伏电站群的预测输出总功率。

2.根据权利要求1所述的基于改进RBF神经网络的光伏电站群区域功率预测方法，其特征在于：所述步骤1包括以下步骤：

步骤1.1：综合考虑分析区域内各光伏电站的地理分布和光伏电站接入电力系统的位置，将整个区域划分为若干子区域；

步骤1.2：对各光伏电站历史输出功率和对应时间段子区域总输出功率资料进行分析和数据质量控制，剔除明显不合实际的数据点。

3.根据权利要求1所述的基于改进RBF神经网络的光伏电站群区域功率预测方法，其特征在于：所述步骤2包括以下步骤：

步骤2.1：计算各子区域内光伏电站实测功率与子区域总实测功率间的相关

性系数；

步骤2.2：对于每一个子区域，首先对计算后的相关性系数进行降序排列，然后选择相关性系数较大的光伏电站作为基准光伏电站，并满足各基准光伏电站的额定功率之和达到该子区域额定功率的70%以上。

4.根据权利要求1或3所述的基于改进RBF神经网络的光伏电站群区域功率预测方法，其特征在于：

所述相关性系数用R_iS表示，RiS=Σt=1n[(Pit-Pi‾)·(PSt-PS‾)]Σt=1n(Pit-Pi‾)2·Σt=1n(PSt-PS‾)2---(1)]]>

式(1)中，R_iS为第i个光伏电站实测功率与子区域S总实测功率的相关性系数；t为时间；n为数据个数；P_it为第i个光伏电站在t时刻的实测功率；P_St为子区域S内所有光伏电站在t时刻的实测功率总和；为时间段内第i个光伏电站的所有实测功率的平均值；为时间段内子区域S中所有光伏电站的实测功率总和的平均值。