[发明专利]一种基于改进广义神经网络的光伏发电短期功率预测方法

说明书

本发明涉及光伏发电技术领域，提出了一种基于改进广义神经网络的光伏发电短期功率预测方法，通过计算气象数据中各气象因素对光伏电站发电功率影响的权重，以及历史日与预测日各气象因素的动态时间弯曲距离，将气象因素权重和动态时间弯曲距离作为相似性的判断依据，可以精准的找出预测日的历史相似日，将历史相似日的数据作为光伏发电短期功率预测模型，大大提高了模型的精度，根据预测日的气象数据输出更为精准的预测发电功率数据，降低了输出功率的不确定性，提高了电网的安全。

技术领域

本发明涉及光伏发电技术领域，具体的，涉及一种基于改进广义神经网络的光伏发电短期功率预测方法。

背景技术

随着环境问题的日益突显、能源需求的不断增长和光伏发电技术的逐步成熟，近年来光伏发电产业得到了快速发展。光伏发电输出功率具有强烈的随机性、波动性，随着光伏发电装机容量占比的不断提高，其输出功率的不确定性带来了一系列的调度运行问题。

对光伏发电输出功率进行准确地预测是降低不确定性影响的有效手段。根据不同的预测方法，光伏发电功率预测可分为物理方法、统计方法、人工智能方法。物理方法根据光伏电站的发电原理，利用地理位置、装机容量、光伏电池板的特性参数、光伏组件的安装倾角等信息，建立描述光伏发电功率与太阳辐照度关系的预测模型；统计方法以光伏电站历史运行数据和历史NWP数据的关联性进行统计分析为基础，建立NWP数据与光伏电站输出功率之间的映射关系。人工智能方法由于其处理复杂和非线性预测模型的能力较强，在光伏发电功率预测方面优于其他统计方法。

光伏发电输出功率受气象因素影响，随着光伏并网容量日益增大，对电网的稳定运行影响也越大，影响电网的安全，如何通过人工智能方法解决气象因素对光伏发电输出功率的影响对提高电网的安全有着很深的意义。

发明内容

本发明提出一种基于改进广义神经网络的光伏发电短期功率预测方法，解决了相关技术中光伏发电短期功率预测方法不够准确的问题。

本发明的技术方案如下：

一种基于改进广义神经网络的光伏发电短期功率预测方法，包括如下步骤，

步骤100：获取光伏电站多组历史日的发电功率数据、气象数据和预测日的气象数据；

步骤200：计算气象数据中各气象因素对光伏电站发电功率影响的权重；

步骤300：计算历史日与预测日各气象因素的动态时间弯曲距离；

步骤400：计算历史日与预测日之间各气象因素的相似性，选择相似性最大的历史日作为预测日的历史相似日；

步骤500：采用改进广义神经网络构建光伏发电短期功率预测模型，输入历史相似日的发电功率数据和气象数据，进行模型训练。

本发明的工作原理及有益效果为：

本发明通过计算气象数据中各气象因素对光伏电站发电功率影响的权重，以及历史日与预测日各气象因素的动态时间弯曲距离，将气象因素权重和动态时间弯曲距离作为相似性的判断依据，可以精准的找出预测日的历史相似日，将历史相似日的数据作为光伏发电短期功率预测模型，大大提高了模型的精度，根据预测日的气象数据输出更为精准的预测发电功率数据，降低了输出功率的不确定性，提高了电网的安全。

下面结合附图和具体实施方式对本发明作进一步详细的说明。

附图说明

图1为本发明的流程图；

图2为本发明实施例1中某光伏电站历史日太阳辐照度曲线图；

图3为本发明实施例1中某光伏电站历史日发电功率曲线图。

具体实施方式