[发明专利]基于灰色神经网络模型的光伏并网的电网线损预测方法

摘要

本发明公开了一种基于灰色神经网络模型的光伏并网的电网线损预测方法，步骤包括：1)构建并网光伏阵列板输出功率在线监测系统；2)按照所获取的特征信息参数分为两类，一类称为训练集，用于预测模型的训练学习；另一类称为测试集，用于测试；3)确定灰色模型，当训练准确率符合设定要求，则对灰色模型利用未知特征信息参数即测试集对其进行测试预测；将经步骤2得到的训练集特征参数样本输入至该预测模型并进行训练学习，得到输出结果，即光伏并网对电网线损的结果；4)将步骤2得到的数据集样本输入到步骤3训练好的模型中，由该线损预测模型完成对光伏并网的电网线损的预测，并验证其准确性。本发明的方法结果准确率高。

主权项

1.一种基于灰色神经网络模型的光伏并网的电网线损预测方法，利用一种并网光伏阵列板输出功率在线监测系统，其特征在于，按照以下步骤实施：步骤1：构建并网光伏阵列板输出功率在线监测系统；步骤2：将步骤1采集获取的并网光伏电池板阵列(7)的输出功率，以及不同情况下的光伏电源位置、电压等级和通过计算取得的历史电网线损数据，按照所获取的特征信息参数分为两类，一类称为训练集，用于预测模型的训练学习；另一类称为测试集，用于测试；所输入的特征信息参数中包括并网光伏电池板阵列(7)的输出功率数据序列、历史电网线损数据序列和光伏电源位置、电压等级的数据序列，其中并网光伏电池板阵列(7)的输出功率数据序列和光伏电源位置、电压等级的数据序列从步骤1中获取；步骤3：确定灰色模型，记为模型GM(1,1)，寻求并网光伏电池板阵列(7)的输出功率与电网线路损耗之间的线性关系，当训练准确率符合设定要求，则对灰色模型利用未知特征信息参数即测试集对其进行测试预测；将经步骤2得到的训练集特征参数样本输入至该预测模型并进行训练学习，得到输出结果，即光伏并网对电网线损的结果；步骤4：将步骤2得到的数据集样本输入到步骤3训练好的模型GM(1,1)中，由该线损预测模型完成对光伏并网的电网线损的预测，并验证其准确性。