[发明专利]一种光伏发电功率预测方法

摘要

本申请提供了一种光伏发电功率预测方法，该方法首先对采集的历史样本进行野值踢除与补正，然后计算不同时刻气象因子影响权重来优化传统相似日样本选取方案，再接着对相似样本进行有效特征提取以降低输入维数，最后基于广义神经网络(GRNN)算法对发电功率进行短期预测。利用上述方法，由于考虑不同时刻气象因子加权选取相似样本聚类更加科学，进而增强了预测模型泛化能力和预测精度。另外，通过特征提取降低输入维数，进而在降低预测时间。最后，相比传统神经网络如BP算法，本申请采用的GRNN算法非线性逼近能力更强，进而可以增加预测精度。

主权项

1.一种光伏发电功率预测方法，其特征在于，包括：利用7点二阶算法前推差分算式剔除初始历史样本中的野值点；利用三次样条插值方法对所述野值点进行补正，得到历史样本；利用模糊聚类与粗糙集理论，对所述历史样本进行聚类，计算出聚类后各类的类中心和气象因子影响权重；分别计算出待预测日与所述聚类后各类的类中心之间的包含气象因子影响权重的加权欧式距离，选取加权欧式距离最小的类作为训练样本；对所述训练样本中的数据进行预测模型输入特征提取，得到特征提取值；将所述特征提取值输入到广义回归神经网络模型进行模型训练，得到训练后的广义回归神经网络模型；将从所述待预测日中提取的特征值输入到所述训练后的广义回归神经网络模型，得到所述待预测日的功率预测值。