[发明专利]基于FWA-BP神经网络的光伏功率预测方法

说明书

本发明公开了一种基于FWA‑BP神经网络的光伏功率预测方法，属于光伏发电技术领域。光伏发电功率的随机性和间接性会对大规模光伏并网造成一定的影响，因此本发明提出了一种基于FWA‑BP神经网络的光伏功率预测方法，利用烟花算法(FWA)优化BP神经网络的权值和阈值，避免BP神经网络陷入局部最优，加快BP神经网络的收敛速度，同时通过数据预处理提高模型预测精度，能够实现对光伏功率高精度的预测。

技术领域

本发明涉及一种基于FWA-BP神经网络的光伏功率预测方法，属于功率预测领域。

背景技术

随着传统能源消耗的快速增长和气候环境的不断恶化，近年来光伏发电技术得到了迅速发展。然而受气象条件的影响，光伏发电功率的随机性和间接性会对大规模光伏并网造成一定地影响。为了保证光伏电站地稳定运行和电网地安全调度，准确及时地进行光伏功率预测具有非常重要地意义。

现有光伏功率预测方法主要包括物理法和统计法。物理法需要气象数据、光伏电站所处地理信息以及光伏组件地参数，根据输出特性曲线计算得到光伏发电量，其预测准确性取决于待测对象的结构和选用参数的精度，但该方法涉及环节多，过程较为复杂；统计法则是通过对历史数据进行统计分析，发现其内在规律。

BP神经网络是一种基于误差反向传播的多层前馈神经网络，具有较强地鲁棒性，能对非线性进行无限地逼近且学习能力强，在光伏发电功率预测领域有着广泛应用。然而BP神经网络也有着易陷入局部极小值、收敛速度慢、存在过拟合的现象，同时BP神经网络模型误差较大，预测精度不高，该领域技术人员多次对其进行优化，仍难以达到理想的预测状态。

传统BP神经网络在模型训练的过程中，容易使神经网络中的网络参数陷入局部最优，当陷入局部最优后，网络参数就会停止变化，即使继续对神经网络进行训练，训练集上的误差也不再减小。

有鉴于此，需要对现有的BP神经网络进行改进，以解决上述问题。

发明内容

本发明的目的在于提供一种基于FWA-BP神经网络的光伏功率预测方法，该方法可提高对光伏发电功率预测的精度。

为实现上述目的，本发明提供如下技术方案：

基于FWA-BP神经网络的光伏功率预测方法，主要包括以下步骤：

S1：获取光伏电站的历史气象数据和历史输出功率数据；

S2：对历史气象数据和历史输出功率数据进行预处理；

S3：从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；

S4：对输入向量进行归一化处理；

S5：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；

S6：根据预测模型对光伏发电功率进行预测。

作为本发明的进一步改进，步骤S1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，历史气象数据包括辐照度、温度、湿度及风速，数据集中选取80％的数据作为训练集，选取20％的数据作为测试集。

作为本发明的进一步改进，步骤S2具体为对异常数据的检测和对异常值的填补，异常数据的检测采用3σ原则，异常值的填补采用K近邻法，K值近邻法算法公式为：

式中，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。

作为本发明的进一步改进，步骤S3具体为采用Pearson相似度分析法计算得出历史气象数据和历史输出功率的相关系数，选取相关系数最高的两个值作为输入向量，Pearson相似度分析法的计算公式为：