[发明专利]基于FWA-BP神经网络的光伏功率预测方法

权利要求书

1.一种基于FWA-BP神经网络的光伏功率预测方法，其特征在于，包括以下步骤：

步骤1、获取光伏电站的历史气象数据和历史输出功率数据；

步骤2、对所述历史气象数据和所述历史输出功率数据进行预处理；

步骤3、从所述历史气象数据中选取影响光伏功率短期预测的数据作为输入向量；

步骤4、对所述输入向量进行归一化处理；

步骤5、运用烟花算法(FWA)优化后的BP神经网络进行离线训练，创建基于FWA-BP神经网络的预测模型；

步骤6、根据所述预测模型对光伏发电功率进行预测。

2.根据权利要求1所述的基于FWA-BP神经网络的光伏功率预测方法，其特征在于：步骤1具体为获取对光伏输出功率有影响的历史气象数据和历史输出功率数据并形成数据集，所述历史气象数据包括辐照度、温度、湿度及风速。

3.根据权利要求1所述的基于FWA-BP神经网络的光伏功率预测方法，其特征在于：步骤2中的预处理包括对异常数据的检测和对异常值的填补，所述异常数据的检测采用3σ原则，所述异常值的填补采用K近邻法，所述K近邻法的计算公式为：

其中，X_i-k是异常值前面的第k个数据，X_i+k是异常值后面的第k个数据。

4.根据权利要求1所述的基于FWA-BP神经网络的光伏功率预测方法，其特征在于：步骤3中采用Pearson相似度分析法，计算得出所述历史气象数据和所述历史输出功率数据的相关系数，选取相关系数最高的两个值作为输入向量，所述Pearson相似度分析法的计算公式为：

其中，X、Y分别为所述历史气象数据和所述历史输出功率。

5.根据权利要求1所述的基于FWA-BP神经网络的光伏功率预测方法，其特征在于：步骤4中的归一化处理将所述输入向量归一至[0，1]区间内，所述归一化处理计算公式为：

其中，max为所述输入向量中数据的最大值，min为所述输入向量中数据的最小值，x为当前点的数值，x*为归一化转换计算后的数值。

6.根据权利要求2所述的基于FWA-BP神经网络的光伏功率预测方法，其特征在于：步骤5具体是将所述训练集中的辐照度、温度及历史发电功率作为输入量，发电功率作为输出量，利用烟花算法对BP神经网络模型的权值和阈值进行寻优，更新BP神经网络的权值和阈值，得到基于FWA-BP神经网络的预测模型。