[发明专利]一种基于神经网络的混合型光伏发电功率预测方法及系统

权利要求书

1.一种基于神经网络的混合型光伏发电功率预测方法，其特征在于，包括以下步骤：

步骤1，获取预测日前M天的光伏发电功率历史数据和气象历史数据，包括预测日前第i天第j时刻的光伏发电功率和气象历史数据，i＝1，2，...，M，i＝1表示预测日的前一天，以及预测日当天的气象数据，包括预测日前当天第j时刻的气象数据，j＝1，2，...，N，N表示每日采样点数；

步骤2，从步骤1获得的气象数据中选择两种，计算预测日前第i天气象相关度PCC_i，根据PCC_i将预测日前M天划分为第一类相似日和第二类相似日；

步骤3，对步骤1获得的预测日前M天的光伏发电功率历史数据和气象历史数据进行小波分解，获得光伏发电功率历史数据的高频分量、低频分量，以及气象历史数据的高频分量和低频分量；

步骤4，将气象数据分为第一类相似日气象高频数据、第一类相似日气象低频数据、第二类相似日气象高频数据和第二类相似日气象低频数据，将光伏发电功率数据分为为第一类相似日光伏发电功率高频数据、第一类相似日光伏发电功率低频数据、第二类相似日光伏发电功率高频数据和第二类相似日光伏发电功率低频数据，构建GA-BP神经网络训练集；

步骤5，将步骤4获得的训练数据代入BP神经网络，并以GA优化BP神经网络的连接权值和偏置；

步骤6，判断预测日当天相似日类型，将预测日当天的气象数据进行小波分解，代入步骤5获得的对应神经网络中，并进行逆小波变换重构获得光伏发电功率预测结果；

GA是指遗传算法。

2.根据权利要求1所述的基于神经网络的混合型光伏发电功率预测方法，其特征在于：

气象数据包括：环境温度向量T_i＝[T_i1，T_i2，...，T_iN]，辐照度向量I_i＝[I_i1，I_i2，...，I_iN]，气压向量A_i＝[A_i1，A_i2，...，A_iN]，湿度向量H_i＝[H_i1，H_i2，...，H_iN]，风速向量W_i＝[W_i1，W_i2，...，W_iN]，日平均温度向量MT_i＝[MT_i1，MT_i2，...，MT_iN]，日平均全球水平辐射向量MI_i＝[MI_i1，MI_i2，...，MI_iN]，x为i时表示预测日前第i天，x为0时表示预测日当天。

3.根据权利要求2所述的基于神经网络的混合型光伏发电功率预测方法，其特征在于：

步骤2中，使用环境温度向量T_i和辐照度向量I_i计算预测日前第i天气象相关度PCC_i。

4.根据权利要求3所述的基于神经网络的混合型光伏发电功率预测方法，其特征在于：

步骤2中，以如下公式计算预测日前第i天气象相关度PCC_i，

式中：

T_ij表示待预测日前第i天第j时刻的环境温度，

I_ij表示待预测日前第i天第j时刻的辐照度，

N表示每日采样点数。