[发明专利]一种基于神经网络的光伏出力预测方法与系统

说明书

本发明提供了一种基于神经网络的光伏出力预测方法与系统，其中，该方法包括：获取样本数据；所述样本数据包括待预测地区的历史光伏出力值以及待预测时刻的气象特征；对所述样本数据进行预处理得到预处理后的样本数据；将所述预处理后的样本数据输入到LSTM中进行训练得到光伏出力预测模型。本发明使用的LSTM在处理时序问题时表现较好，可以学习到各个时刻序列数据之间的时间相关性，大大提高了预测精度。

技术领域

本发明涉及光伏发电技术领域，具体而言，涉及一种基于神经网络的光伏出力预测方法与系统。

背景技术

光伏出力受气象、环境条件影响，具有较大的波动性和随机性，这些特性使得大规模光伏发电并网受到一定影响；及时准确地预测光伏出力对于电网调度及光伏电站的稳定运行具有重要意义。

目前常用的预测方式有：基于历史规律的时序预测模型(ARMA等)、神经网络/支持向量机等智能预测算法、基于云图和NWP的方法等。然而，这些方法都存在一定的本征精度问题，例如NWP的预测时间尺度和精度尚未达到高精度光伏功率预测的要求，同时受到数据质量问题的制约，预测精度与国际先进水平仍有一定差距。

发明内容

为了克服现有技术的不足，本发明的目的在于提供一种基于神经网络的光伏出力预测方法与系统。

一种基于神经网络的光伏出力预测方法，包括：

步骤1：获取样本数据；所述样本数据包括待预测地区的历史光伏出力值以及待预测时刻的气象特征；

步骤2：对所述样本数据进行预处理得到预处理后的样本数据；

步骤3：将所述预处理后的样本数据输入到神经网络中进行训练得到光伏出力预测模型。

优选地，所述步骤2：对所述样本数据进行预处理得到预处理后的样本数据，包括：

依次对所述样本数据进行缺失值/异常值处理和归一化操作得到预处理后的样本数据。

优选地，所述神经网络为LSTM。

优选地，所述光伏出力预测模型是以待预测时间点天气预报的气象特征和相应时刻对应的光伏出力值为输入，以待预测时间点的光伏出力值为输出进行训练得到的。

本发明还提供了一种基于神经网络的光伏出力预测系统，包括：

样本数据获取模块，用于获取样本数据；所述样本数据包括待预测地区的历史光伏出力值以及待预测时刻的气象特征；

预处理模块，用于对所述样本数据进行预处理得到预处理后的样本数据；

训练模块，用于将所述预处理后的样本数据输入到神经网络中进行训练得到光伏出力预测模型。

优选地，所述预处理模块，包括：

预处理单元，用于依次对所述样本数据进行缺失值/异常值处理和归一化操作得到预处理后的样本数据。

优选地，所述神经网络为LSTM。

优选地，所述光伏出力预测模型是以待预测时间点天气预报的气象特征和相应时刻对应的光伏出力值为输入，以待预测时间点的光伏出力值为输出进行训练得到的。

本发明还提供了一种电子设备，包括总线、收发器、存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，所述收发器、所述存储器和所述处理器通过所述总线相连，其特征在于，所述计算机程序被所述处理器执行时实现上述的一种基于神经网络的光伏出力预测方法中的步骤。

本发明还提供了一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现上述的一种基于神经网络的光伏出力预测方法中的步骤。