[发明专利]一种基于BP神经网络的新能源场站发电负荷预测方法

权利要求书

1.一种基于BP神经网络的新能源场站发电负荷预测方法，其特征在于，包括以下步骤：

获取新能源场站所在地区精确到小时的历史气象数据及对应时刻的发电负荷数据，作为初始训练样本；

分别提取所述初始训练样本中各整点时刻对应的气象数据和发电负荷数据，对其进行预处理，得到各整点时刻的最终训练样本；

针对每个整点时刻，分别构建单独的基于BP神经网络的初始预测模型；

利用各整点时刻的最终训练样本分别对各整点时刻对应的所述初始预测模型进行训练，并输出训练过程中的预测误差；

基于所述预测误差自适应调整BP神经网络的连接权值和阈值，直至所述预测误差满足预设条件，得到各整点时刻对应的最终预测模型；

获取新能源场站所在地待测日的整点气象数据，并将各整点时刻的气象数据进行量化处理后，对应输入至相应的所述最终预测模型；

基于所述最终预测模型得到待测日全天各整点时刻的发电负荷预测数据。

2.根据权利要求1所述的一种基于BP神经网络的新能源场站发电负荷预测方法，其特征在于，所述初始训练样本的预处理包括：

采用最大最小值函数对从初始训练样本中提取的各整点时刻的发电负荷数据进行归一化处理；

对初始训练样本中提取的各整点时刻的历史气象数据中进行量化处理；

将各整点时刻中归一化处理后的发点电荷数据和量化处理后的历史气象数据作为各整点时刻的最终训练样本。

3.根据权利要求1所述的一种基于BP神经网络的新能源场站发电负荷预测方法，其特征在于，所述初始预测模型包括输入层、隐含层和输出层；所述输入层具有四个输入节点，所述四个输入节点分别对应气象数据中四个输入变量，所述四个输入变量为天气、温度、风力和湿度；所述输出层具有一个输出节点，所述输出节点对应发电负荷；所述隐含层分别按照预设连接权值与所述输入层和所述输出层连接。

4.根据权利要求3所述的一种基于BP神经网络的新能源场站发电负荷预测方法，其特征在于，所述初始预测模型的训练过程为：

根据输入层的输入变量、输入层与隐含层各节点间的连接权值以及隐含层各节点的阈值计算隐含层各节点的输出值；

根据隐含层各节点的输出值、隐含层与输出层各节点间的连接权值以及输出层的节点阈值，计算输出层节点输出的预测值；

根据期望值和输出层节点输出的预测值计算预测误差；

根据预测误差更新网络中输入层和隐含层各节点间的连接权值、隐含层与输出层节点间的连接权值、隐含层各节点的阈值和输出层的节点阈值，直至预测误差满足预设条件，得到所述最终预测模型。