[发明专利]光伏功率预测方法

权利要求书

1.一种光伏功率预测方法，其特征在于，包括：

确定光伏电站的历史气象数据和历史输出功率；

对所述历史气象数据和所述历史输出功率进行预处理；

基于预处理后的历史气象数据和历史输出功率，构建神经网络模型；

对所述神经网络模型进行训练；

判断所述神经网络模型中的网络参数是否陷入局部最优；

若所述神经网络模型中的网络参数陷入局部最优，则存储所述网络参数对应的当前模型参数和当前模型损失；

依据所述当前模型参数，计算得到与所述当前模型参数对应的随机网络参数；

判断所述随机网络参数的随机模型损失是否小于所述当前模型损失；

若所述随机网络参数的随机模型损失小于所述当前模型损失，则以所述随机网络参数对应的随机模型参数更新所述当前模型参数，以所述随机模型损失更新所述当前模型损失；

若所述随机网络参数的随机模型损失大于等于所述当前模型损失，则保持所述当前模型参数和所述当前模型损失不变；

返回计算得到与所述当前模型参数对应的随机网络参数的步骤，直至返回的次数大于等于次数阈值，以所述当前模型参数作为所述训练得到的模型的网络参数；

确定下一预测周期的气象数据预测信息，并通过训练得到的模型，得到下一预测周期的输出功率预测信息。

2.根据权利要求1所述的光伏功率预测方法，其特征在于，返回计算得到与所述当前模型参数对应的随机网络参数的步骤，直至返回的次数大于等于次数阈值，以所述当前模型参数作为所述训练得到的模型的网络参数，包括：

迭代次数加1；

判断所述迭代次数是否大于等于迭代阈值；所述迭代阈值等于次数阈值加1；

若所述迭代次数小于迭代阈值，则执行返回计算得到与所述当前模型参数对应的随机网络参数的步骤；

若所述迭代次数大于等于迭代阈值，则以所述当前模型参数作为所述训练得到的模型的网络参数。

3.根据权利要求1所述的光伏功率预测方法，其特征在于，所述存储所述网络参数对应的当前模型参数和当前模型损失，包括：

确定所述网络参数对应的当前模型参数；

依据所述当前模型参数，计算得到所述当前模型参数的当前模型损失；

将所述当前模型参数和所述当前模型损失进行存储。

4.根据权利要求1所述的光伏功率预测方法，其特征在于，所述依据所述当前模型参数，计算得到与所述当前模型参数对应的随机网络参数，包括：

以模型方差作为所述当前模型参数中各个参数的方差，进行高斯随机计算，得到与所述当前模型参数中各个参数对应的所述随机网络参数。

5.根据权利要求4所述的光伏功率预测方法，其特征在于，所述模型方差所采用的计算公式为：

其中，σ为所述模型方差，R为所述神经网络模型的最小损失。

6.根据权利要求4所述的光伏功率预测方法，其特征在于，所述进行高斯随机计算所采用的公式为：

其中，f(x)为生成所述随机网络参数的概率密度函数，ν为与所述当前模型参数对应的随机网络参数，μ为所述当前模型参数。

7.根据权利要求1-6任一所述的光伏功率预测方法，其特征在于，所述光伏电站的历史气象数据包括：所述光伏电站在训练周期内每天的地面温度、湿度、风速以及地面辐照度。

8.根据权利要求1-6任一所述的光伏功率预测方法，其特征在于，所述对所述历史气象数据和所述历史输出功率进行预处理，包括：

对所述历史气象数据和所述历史输出功率进行清洗；

将经过清洗后的所述历史气象数据和所述历史输出功率进行特征归一化。