[发明专利]基于双层人工神经网络的区域光伏功率预测方法及系统

权利要求书

1.基于双层人工神经网络的区域光伏功率预测方法，其特征是，包括：

利用第一层人工神经网络实现各个光伏电站的滚动出力预测；

结合第一层人工神经网络的滚动出力预测精度及区域内各个光伏电站出力与区域总出力之间的相关系数选择基准光伏电站；

利用第二层人工神经网络实现基于基准光伏电站出力的区域总出力预测，第一层人工神经网络及第二层人工神经网络构成双层人工神经网络模型；

对各基准光伏电站实时功率进行采集并输入至双层人工神经网络模型，得到区域光伏总出力的滚动预测结果，滚动预测包括对晴空工况下区域输出功率的滚动预测及多云工况或线路故障时区域输出功率的滚动预测。

2.如权利要求1所述的基于双层人工神经网络的区域光伏功率预测方法，其特征是，利用第一层人工神经网络实现各个光伏电站的滚动出力预测，具体包括：对区域内各个光伏电站的历史出力数据进行归一化处理，基于处理后的各个光伏电站历史出力数据分别建立多个训练集对第一层人工神经网络进行训练，实现各个光伏电站自身出力的滚动出力预测。

3.如权利要求1所述的基于双层人工神经网络的区域光伏功率预测方法，其特征是，对各基准光伏电站实时功率进行采集并输入至双层人工神经网络模型，具体为：先输入至第一层人工神经网络，将第一层人工神经网络得到的各基准光伏电站的功率滚动预测的结果输入至第二层人工神经网络中，得到基于基准光伏电站出力数据的区域总出力滚动预测。

4.如权利要求3所述的基于双层人工神经网络的区域光伏功率预测方法，其特征是，将第一层人工神经网络得到的各基准光伏电站的功率滚动预测的结果输入至第二层人工神经网络中，得到基于基准光伏电站出力数据的区域总出力滚动预测，具体包括：

通过对比分析基准光伏电站与其相邻的光伏电站在多云工况下的功率滚动预测值，对第一层人工神经网络得到的各基准光伏电站的功率滚动预测的结果进行修正，得到修正后的各基准光伏电站在未发生扰动时的功率期望预测值并以此作为第二层人工神经网络的输入参量进行区域总出力滚动预测。

5.如权利要求1所述的基于双层人工神经网络的区域光伏功率预测方法，其特征是，所述区域内各个光伏电站出力与区域总出力之间的相关系数为皮尔逊相关系数，所述皮尔逊相关系数用于反映出各光伏电站出力与区域总出力之间的相关性。

6.如权利要求1所述的基于双层人工神经网络的区域光伏功率预测方法，其特征是，所述滚动出力预测精度为各个光伏电站自身的功率预测值和实际功率值的平均相对误差。

7.一种基于双层人工神经网络的区域光伏功率预测系统，其特征是：

离线学习模块，被配置为：利用第一层人工神经网络实现各个光伏电站的滚动出力预测；结合各个光伏电站自身的滚动出力预测精度及区域内各个光伏电站出力与区域总出力之间的相关系数选择基准光伏电站；利用第二层人工神经网络实现基于基准光伏电站出力的区域总出力预测，第一层人工神经网络及第二层人工神经网络构成双层人工神经网络模型；

在线预测模块，被配置为：对各基准光伏电站实时功率进行采集并输入至双层人工神经网络模型，并通过对第二层人工神经网络输入参量的修正得到区域光伏总出力的滚动预测结果，滚动预测包括对晴空工况下区域输出功率的滚动预测及多云工况或线路故障时区域输出功率的滚动预测。

8.基于双层人工神经网络的区域光伏功率预测终端,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征是，所述处理器执行所述程序时实现权利要求1-6任一所述的基于双层人工神经网络的区域光伏功率预测方法的步骤。

9.一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时执行权利要求1-6任一所述的基于双层人工神经网络的区域光伏功率预测方法的步骤。