[发明专利]基于二次动态调整的神经网络光伏功率预测模型及方法

摘要

本发明公开了一种基于二次动态调整的神经网络光伏功率预测模型及方法，预测模型基于资源分配神经网络，用历史数据离线训练资源分配网络学习规则，得到在线预测以及后台二次动态调节的初始神经网络预测模型；将初始预测模型投入实际光伏功率预测，以实时数据作为模型输入，记录预测结果偏差较大的样本；误差较大的预测结果再次出现时，将与缓冲区的数据进行匹配，若出现特征相似的输入数据，则增加当前类型的输入样本支持度；具有相似特征的输入样本满足出现支持度阈值时，启用二次动态调节，调整预测模型的结构以学习该类样本。本发明在解决神经网络预测模型单一依赖离线训练样本问题的同时，使预测模型具备在线学习能力，更适应光伏功率的特性。

主权项

1.基于二次动态调整的神经网络光伏功率预测模型，其特征在于：包括数据通信和处理模块、数据存储模块、离线训练模块、在线预测学习模块；数据通信和处理模块通过采集外部数据，数据进行预处理，并将得到的预测结果上传至能量管理系统或区域调度系统；数据存储模块将采集到的数据存储在数据库中或以文本文件存储；离线训练模块基于资源分配网络学习规则，利用现有的样本数据作为预测模型的输入，依据学习规则，调整预测模型结构及参数，获得可同时用于光伏功率在线预测以及后台二次动态调节的初始神经网络预测模型；在线预测学习模块包括了：数据采集监测部分和结构调整部分；数据采集监测部分在初始预测模型投入实际预测应用后采集实际的输入输出数据，进一步对预测输出和实际输出进行比较；结构调整部分主要负责模型结构的二次动态调整，当数据采集监测部分发现当前数据满足预设的调整策略条件时，对预测模型结构进行二次调整。