[发明专利]一种光伏发电短期功率预测方法、装置及存储介质

说明书

本发明公开了一种光伏发电短期功率预测方法、装置及存储介质，方法包括：计算待预测日和每个历史日的综合相似值，获取综合相似值最高的历史日的光伏功率实际值；根据光伏功率实际值，构建适应度函数；根据适应度函数和自适应步长更新初始天牛群位置；计算Elman神经网络的输出‑隐含、隐含‑承接和隐含‑输出的各自的权值和阈值，以使Elman神经网络输出一个预测值；根据预测值，计算更新后的天牛群位置的适应度函数值；当适应度函数值满足迭代终止条件，则将当前的权值和阈值作为最优参数，以使Elman神经网络根据最优参数进行功率预测；实现提高光伏发电短期功率预测的精度，增强电力系统运行的可靠性和稳定性。

技术领域

本发明涉及电力系统技术领域，尤其涉及一种光伏发电短期功率预测方法、装置及存储介质。

背景技术

光伏发电因其无污染、能源储备量巨大及发电效率高等优势逐渐成为了新能源发电的主要形式，其年增长率突破40％，成为全球增长速度最快、能源利用领域最广泛的新能源。

同时，光伏发电容易受太阳辐射度等天气因素的影响，其新能源发电处理具有随机性、波动性和不稳定性等缺点。越来越多的光伏发电系统并入电网，对电力系统的稳定及安全运行造成不好的影响，增加电力系统调度的复杂程度。因此，提高光伏发电短期功率预测精度，对于实现电力系统准确调度、多种能源互补和电力系统安全可靠运行具有重要意义。Elman神经网络预测法逐渐应用到光伏发电预测中，目前的Elman神经网络存在着泛化性能差的缺点，其内部网络结构性能差，对光伏发电的预测精度差。

发明内容

本发明提供了一种光伏发电短期功率预测方法、装置及存储介质，利用天牛群搜索算法优化Elman神经网络内部结构，并通过优化后的Elman神经网络对光伏发电短期功率进行预测，实现提高光伏发电短期功率预测的精度，增强电力系统运行的可靠性和稳定性。

为了实现提高光伏发电短期功率预测的精度，本发明实施例提供了一种光伏发电短期功率预测方法，包括：获取待预测日和若干个历史日的天气影响因子，计算待预测日和每个历史日的综合相似值，获取与待预测日的综合相似值最高的第一历史日的光伏功率实际值；

根据待预测日的光伏功率输出值和第一历史日的光伏功率实际值，构建适应度函数；根据待预测日的天气影响因子确定初始天牛群位置，根据所述适应度函数和自适应步长对初始天牛群进行寻优，更新初始天牛群位置；

根据当前的自适应步长和当前的天牛群位置，计算Elman神经网络的输出-隐含、隐含-承接和隐含-输出的各自的权值和阈值，以使所述Elman神经网络根据当前的所有权值和阈值输出一个预测值；根据所述预测值，计算更新后的天牛群位置的第一适应度函数值；

当所述第一适应度函数值满足迭代终止条件，则将当前的三个权值和当前的三个阈值作为最优参数，以使所述Elman神经网络根据所述最优参数进行功率预测；所述迭代终止条件为大于预设数值且维持在恒定的数值。

作为优选方案，本发明通过计算待预测日和每个历史日的综合相似值，获取与待预测日的综合相似值最高的第一历史日的光伏功率实际值，并利用综合相似值最高的第一历史日的光伏功率实际值构建适应度函数，该适应度函数以综合相似度为核心，在此基础上使用自适应天牛群搜索算法确定Elman神经网络的输出-隐含、隐含-承接以及隐含-输出的权值和阈值，优化了Elman神经网络的参数，通过天牛群搜索算法优化的Elman神经网络具有更加精准的光伏发电短期功率预测效果，提高了光伏发电短期功率预测精度，直接预测过程更为便捷；对于电网而言，精准的发电短期功率预测为电网调度提供了数据基础，节省大量电能，提高了电力系统运行的经济型，也使得电力系统运行更为稳定且安全。

作为优选方案，获取待预测日和若干个历史日的天气影响因子，计算待预测日和每个历史日的综合相似值，具体为：