[发明专利]基于Spiking神经网络的光伏系统发电功率预测方法

摘要

本发明公开一种基于Spiking神经网络的光伏系统发电功率预测方法。本发明方法包括以下步骤1)通过计算并排序欧氏距离(Euclidean distance)的方法确定各种天气类型下预测日的相似日集合；2)采用Time‑to‑first‑Spike方法将模拟量数据转换成相应的脉冲时间数据；3)利用Spiking神经网络(Spiking Neural Network,SNN)对转换后的时间样本进行建模预测。本发明提供的方法有效地提高了预测精度，能够较好地解决光伏系统发电功率预测问题。

主权项

一种基于Spiking神经网络的光伏系统发电功率预测方法，其特征在于：包括以下步骤：(1)获取光伏系统发电功率预测所需的基本数据：历史发电数据和原始气象数据；(2)按照天气类型将原始数据集分为4种类型粗选集：晴天、多云天、阴天和雨天；(3)在4种天气类型粗选集中，根据最高气温、最低气温、太阳辐照强度计算各历史发电日与预测日的欧氏距离，并将欧式距离按照升序排列，选取前6个对应的历史发电日组成预测日的相似日集；(4)初始化：对训练和测试样本集数据进行归一化处理，将样本数据尺度变换到区间[0,1]内，并设置网络初试参数；(5)使用Time‑to‑first‑Spike编码方法将归一化后的模拟量数据转换成相应的脉冲时间数据；(6)利用SpikeProp算法对Spiking神经网络进行训练，直到训练样本集中的输入样本和期望输出样本的网络训练误差E≤预先设定的允许误差emax；(7)根据预测日前一个相似日的历史发电数据和影响因素生成预测输入向量，并将预测输入向量输入训练后的Spiking网络，其输出即为待预测日的发电功率预测值；(8)使用Time‑to‑first‑Spike编码方法将预测得到的脉冲时间数据反向转化成相应的模拟量数据，并反归一化得到光伏发电功率的预测值。