[发明专利]基于Kmeans-GRA-Elman模型的光伏电站短期功率预测方法

摘要

本发明涉及一种基于Kmeans‑GRA‑Elman模型的光伏电站短期功率预测方法，包括：采集光伏电站历史每天的发电功率以及气象站上每天对应时间段的气象参数；对数据进行预处理；利用六项统计指标结合改进Kmeans算法对历史日中第一天到待预测日前一天的样本进行聚类，根据轮廓系数确定类别数；计算每个聚类气象特征值的中心点，判断待预测日所属的类别；确定待预测日的相似日和最佳相似日；确定Elman神经网络参数；得到训练模型；将最佳相似日的参数样本组合以及待预测日的气象参数输入训练模型中对待预测日的发电功率进行预测。本发明能够提高光伏电站在不同季节下的不同天气条件短期功率预测的精度和准确度。

主权项

1.一种基于Kmeans‑GRA‑Elman模型的光伏电站短期功率预测方法，其特征在于：包括以下步骤：步骤S1：采集光伏电站历史每天的发电功率以及气象站上每天对应时间段的气象参数，结合得到每天的气象‑功率参数样本组合；步骤S2：对每天的气象‑功率参数样本组合进行预处理，去除异常数据并进行归一化处理；步骤S3：利用归一化后的统计分析中的六项统计指标结合改进Kmeans算法对历史日中第一天到待预测日前一天的样本进行聚类，根据轮廓系数确定类别数；步骤S4：根据各个聚类样本集合的气象特征值；确定聚类中心位置；利用欧氏距离判断待预测日所属的类别；步骤S5：根据待预测日的气象特征值结合灰色关联分析GRA算法在同一个聚类样本集合中确定待预测日的相似日和最佳相似日；步骤S6：确定Elman神经网络的参数；步骤S7：利用相似日的参数样本组合训练Elman神经网络，不断修改隐含层神经元个数，得到训练模型；步骤S8：将最佳相似日的参数样本组合以及待预测日的气象参数输入训练模型中对待预测日的发电功率进行预测，得到待预测日各个时刻的输出功率值。