[发明专利]基于多种神经网络组合算法的光伏电站发电量短期预测模型的构建方法

权利要求书

1.基于多种神经网络组合算法的光伏电站发电量短期预测模型的构建方法，其特征在于，该构建方法的具体过程为：

步骤一：神经网络算法的选取；

采用BP、Elman、RBF和GRNN四种神经网络算法分别构建神经网络预测子模型A、B、C和D，以每日电站工作时间段不同时间点的环境温度T_i、日平均太阳辐射强度日平均风速作为光伏发电量短期预测模型的输入数据，以预测日对应时间点的光伏输出功率P_i作为各个神经网络预测子模型A、B、C和D的输出数据；

步骤二：样本数据的选取；

通过光伏数据采集平台，从历史数据库中选取同期晴天、多云天气和阴雨天气的环境参量和发电参量历史数据，将同期天气信息进行筛选分类，剔除奇异的数据点，结合同期天气信息，分别整理出三种天气情况下的样本数据，所述的三种天气情况分别为晴天、多云天气和阴雨天气；

步骤三：各神经网络预测子模型的训练、各神经网络预测子模型的适用性研究分析以及对光伏发电量短期预测模型的构建；

通过步骤二所得结合同期天气信息，分别整理出三种天气情况下的样本数据，分别对构建的神经网络子模型A、B、C和D进行训练，其中，上述四个神经网络子模型A、B、C和D的输入量均包括25个变量，且所述25个变量分别为预测日23个时间点的环境温度T_i、日平均太阳辐射强度和日平均风速所述的预测日23个时间点为在每日电站工作时间段7：00至18：00内，以7：00点为起始时间点，每隔30分钟为一个时间点，共23个时间点，训练后得出三种天气情况下的神经网络预测子模型A¹、B¹、C¹和D¹，

根据训练后的三种天气情况下的神经网络预测子模型A¹、B¹、C¹和D¹，通过均方根误差曲线和百分比误差曲线的对比分析得出BP、Elman、RBF和GRNN四种神经网络算法对三种天气情况的适用性结论，根据不同气象条件给出各神经网络预测子模型的权重模值参数，构建模值权重参数表，进而构建组合神经网络预测模型，将组合神经网络预测模型作为最终的光伏发电量短期预测模型，完成基于多种神经网络组合算法的光伏电站发电量短期预测模型的构建。

2.根据权利要求1所述的基于多种神经网络组合算法的光伏电站发电量短期预测模型的构建方法，其特征在于，该方法还包括步骤四：对光伏发电量短期预测模型的修正；

a)首先，对步骤二中的样本数据进行归一化处理，

b)其次，采用遗传算法和粒子群算法。