[发明专利]基于MIV-BP神经网络的光伏功率短期分类预测方法在审
| 申请号： | 201811302459.1 | 申请日： | 2018-11-02 |
| 公开（公告）号： | CN109376863A | 公开（公告）日： | 2019-02-22 |
| 发明（设计）人： | 姚艳;任娇蓉;任雷;翁秉宇;卿华;许家玉;方建迪;崔勤越;叶晨;江昊;黄森炯;丁文宣;邬宏伟 | 申请（专利权）人： | 国网浙江省电力有限公司宁波供电公司 |
| 主分类号： | G06N3/08 | 分类号： | G06N3/08;G06Q10/04;G06Q50/06 |
| 代理公司： | 杭州华鼎知识产权代理事务所(普通合伙) 33217 | 代理人： | 项军 |
| 地址： | 315000 浙江*** | 国省代码： | 浙江;33 |
| 权利要求书： | 查看更多 | 说明书： | 查看更多 |
| 摘要： | 本发明实施例提供的基于MIV‑BP神经网络的光伏功率短期分类预测方法，利用MIV算法筛选不同条件下对光伏功率影响程度较大的天气因素作为预测模型的输入，并根据天气信息中的降雨量数据与数据采样时刻建立分类预测模型进行预测。现有方法多以太阳辐射强度、温度和湿度等作为预测模型的必要输入，通过根据天气因素中的降雨量将原始数据序列分解为降雨时刻序列和非降雨时刻序列，并利用平均影响值算法筛选不同条件下对光伏功率的影响程度较大的天气因素作为预测模型的输入，根据数据的采样时刻进一步将非降雨时刻序列分解，分别对各序列建立子模型进行预测，降低了光伏功率的预测成本，同时提高了预测模型在突变天气下的预测精度，提高了模型的适应性。 | ||
| 搜索关键词： | 预测模型 预测 时刻序列 天气因素 光伏 降雨 不同条件 算法 分类 筛选 原始数据序列 分解 降雨量数据 采样时刻 神经网络 数据采样 太阳辐射 天气信息 子模型 突变 天气 | ||
【主权项】：
1.基于MIV‑BP神经网络的光伏功率短期分类预测方法，其特征在于，该方法包括：步骤1，采集历史光伏功率序列和天气信息，根据天气信息中的降雨量数据将历史光伏功率序列划分为降雨时刻与非降雨时刻序列，并划分后得到的数据序列作标准化处理；步骤2，建立BP神经网络，多次计算各输入变量的平均影响值，得到输入变量平均影响值绝对值的均值；步骤3，筛选所述均值中的输入因素，根据数据采样时刻将划分得到的光伏序列进行分解，建立基于BP神经网络的分类预测模型；步骤4，根据待预测点的天气信息与采样时刻，选取相对应的分类预测模型对各待测点的光伏功率进行预测，得到待测时段的光伏功率序列。
下载完整专利技术内容需要扣除积分，VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息，商用须获得专利权人授权。该专利全部权利属于国网浙江省电力有限公司宁波供电公司，未经国网浙江省电力有限公司宁波供电公司许可，擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作，请联系【客服】
本文链接：http://www.vipzhuanli.com/patent/201811302459.1/，转载请声明来源钻瓜专利网。
