[发明专利]应用于高倍聚光光伏发电系统的短期发电量预测方法

权利要求书

1.一种应用于高倍聚光光伏发电系统的短期发电量预测方法，其特征在于，包括：

收集所述高倍聚光光伏发电系统的历史数据，根据相关系数分析法，确定用于所述短期发电量预测的BP神经网络的输入；

根据各输入的历史数据，训练所述BP神经网络；以及

根据各输入的历史数据及训练后的所述BP神经网络，获得预测的短期发电量。

2.根据权利要求1所述的方法，其中根据相关系数分析法，确定用于所述短期发电量预测的BP神经网络的输入包括：根据所述相关系数分析法，确定所述BP神经网络的所述输入为初始的输入；根据所述初始的输入，确定p个输入成分；采用主成分分析法，根据所述P个输入成分，获得m个主成分以作为所述BP神经网络最终的输入；其中p，m均为正整数，且p>m。

3.根据权利要求1所述的方法，其中在根据各输入的历史数据，训练所述BP神经网络之前，还包括：初始化所述BP神经网络，并采用遗传算法优化所述BP神经网络的初始权值和阈值，并将获得的最优值作为所述BP神经网络的最终的初始权值和阈值。

4.根据权利要求1或2所述的方法，其中所述历史数据包括：发电功率历史数据及其对应的天气因素历史数据；所述发电功率包括：每分钟发电功率或者日发电功率；所述天气因素包括：辐照量、温度、湿度、风速及气压。

5.根据权利要求4所述的方法，其中收集所述高倍聚光光伏发电系统的历史数据之后，还包括：使用类似天气的发电功率替换所述发电功率历史数据中的噪音。

6.根据权利要求1或2所述的方法，其中所述相关系数分析法包括：采用SPSS工具的双变量person算法，或者使用MATLAB程序中的corrcoef()函数直接计算。

7.根据权利要求1所述的方法，其中根据各输入的历史数据，训练初始化后的所述BP神经网络包括：以各输入的历史数据作为样本训练初始化后的所述BP神经网络。

8.根据权利要求2所述的方法，其中根据各输入的历史数据，训练初始化后的所述BP神经网络包括：根据各最终的输入的历史数据，通过下述公式，计算得到各最终的输入的替代值，并将各最终的输入的替代值作为样本训练初始化后的所述BP神经网络；

Z_m＝l_m1x₁+l_m2x₂+...+l_mpx_p

其中，Z_m为第m个主成分的替代值，l_mi为第m个主成分对应的特征向量中第i个值，x_i为第i个输入成分的历史数据值。

9.根据权利要求1所述的方法，其中根据各输入的历史数据及训练后的所述BP神经网络，获得预测的所述短期发电量包括：将各输入的历史数据作为训练后的所述BP神经网络的输入，获得预测的所述短期发电量。

10.根据权利要求8所述的方法，其中根据各输入的历史数据及训练后的所述BP神经网络，获得预测的所述短期发电量包括：将各最终的输入的替代值作为训练后的所述BP神经网络的输入，获得预测的所述短期发电量。