[发明专利]基于MIV-BP神经网络的光伏功率短期分类预测方法

权利要求书

1.基于MIV-BP神经网络的光伏功率短期分类预测方法，其特征在于，该方法包括：

步骤1，采集历史光伏功率序列和天气信息，根据天气信息中的降雨量数据将历史光伏功率序列划分为降雨时刻与非降雨时刻序列，并划分后得到的数据序列作标准化处理；

步骤2，建立BP神经网络，多次计算各输入变量的平均影响值，得到输入变量平均影响值绝对值的均值；

步骤3，筛选所述均值中的输入因素，根据数据采样时刻将划分得到的光伏序列进行分解，建立基于BP神经网络的分类预测模型；

步骤4，根据待预测点的天气信息与采样时刻，选取相对应的分类预测模型对各待测点的光伏功率进行预测，得到待测时段的光伏功率序列。

2.根据权利要求1所述的基于MIV-BP神经网络的光伏功率短期分类预测方法，其特征在于，所述的步骤1，包括：

步骤11，采集历史光伏功率序列和天气信息，所述参数包括历史光伏功率以及各采样时刻的天气条件，包括降雨量、能见度、气温、气压、风速、风向等，即：

Y＝[y₁,y₂…,y_n-1,y_n] (1)

input＝[X₁,X₂,…,X_j] (2)

X_j＝[x_j1,x_j2,…x_jn] (3)

式中，n为采样时刻点总数，j为输入天气因素总数，y_n为时刻点n的光伏功率，input为预测模型的输入天气因素数据集，X_j为第j个天气因素序列，x_jn为时刻点n的第j个天气条件的具体值；

步骤12，利用步骤11，通过判断降雨量将光伏序列划分为降雨时刻序列和非降雨时刻序列，并将分解后的各序列数据标准化，标准化公式为：

式中，x^*为原始采样数据，为原始数据均值，σ为原始采样数据序列标准差。

3.根据权利要求1所述的基于MIV-BP神经网络的光伏功率短期分类预测方法，其特征在于，所述的步骤2，包括：

步骤21，利用原始数据序列训练一个BP神经网络，其输入输出的映射关系可表示为

output＝net(X₁,X₂,…,X_m,…,X_n) (5)

选择某一输入序列X_im，将序列中每一个样本加/减一个变动值b，其余输入序列不变，构成两个新的输入样本集，利用已得到的映射关系，得到两组新的输出，数学公式可表述为：

计算两组新输出的差值序列，输入序列X_im的平均影响值的绝对值即为差值序列绝对值的均值，数学公式表述为：

式中，MIV_m为第m个天气因素的平均影响值，y_up,i和y_low,i分别为加/减输入变量下时刻点i的光伏功率；

步骤22，按步骤21，多次计算输入序列X_im的平均影响值的绝对值，并根据计算结果的求取MIV绝对值均值；重复上述步骤，遍历每一组输入序列，计算各输入因素的MIV绝对值均值。