[发明专利]基于优化的BP神经网络的光伏发电输出功率预测方法

权利要求书

1.基于优化的BP神经网络的光伏发电输出功率预测方法，其特征在于，所述方法包括以下内容：

步骤1、根据光伏电站的历史气象数据与历史光伏发电输出功率，建立历史数据集；

步骤2、建立BP神经网络预测模型，所述BP神经网络预测模型的输入为气象数据，所述BP神经网络预测模型的输出为光伏发电输出功率；

步骤3、利用多种群遗传算法和历史数据集，优化BP神经网络预测模型中的权值和阈值，得到优化后的BP神经网络预测模型；

步骤4、当向优化后的BP神经网络预测模型中输入当前时刻的气象数据时，输出当前时刻预测的光伏发电输出功率。

2.根据权利要求1所述的基于优化的BP神经网络的光伏发电输出功率预测方法，其特征在于，步骤3中，利用多种群遗传算法和历史数据集，优化BP神经网络预测模型中的权值和阈值，得到优化后的BP神经网络预测模型；，具体过程为：

步骤31、设定多种群遗传算法中的种群数量、每个种群内的个体数量、权值范围和阈值范围，从设定的权值范围和阈值范围中为设定的每个种群内的个体任意选择一个权值和一个阈值，且每个种群内多个个体的权值和阈值均不同；

步骤32、根据每个个体的权值和阈值，得到每个个体的适应度函数值；

步骤33、对同一个种群里的多个个体的适应度函数值按照从大到小的顺序进行排序，采用轮盘赌方法从所述排序中取前N个适应度函数值进行保留，N为大于等于1的正整数，且N为设定概率个数，用每个种群中总个体数量减去前N个适应度函数值对应的个体数量得到每个种群的剩下个体，将每个种群的剩下个体舍弃；

步骤34、对每个种群中所述取前N个适应度函数值对应的多个个体分别进行交叉和变异操作，得到多个调整后的个体，将多个调整后的个体加上每个种群的剩下个体组成每个新群体，计算每个新群体中每个个体的适应度函数值，重复执行步骤33和步骤34，直到达到设定的重复次数，从最后一次执行的步骤34中组成的每个新群体中每个个体的适应度函数值中选择一个最大的适应度函数值，将所述最大的适应度函数值对应个体的权值和阈值作为最优的权值和阈值，将每个新种群得到的最优的权值和阈值存储在一个集合中，构成精英种群；

步骤35、从所述精英种群中选择适应度函数值最大的个体，将该个体的权值和阈值作为最终的权值和阈值；

步骤36、将最终的权值和阈值带入BP神经网络预测模型中，得到优化后的BP神经网络预测模型。

3.根据权利要求1所述的基于优化的BP神经网络的光伏发电输出功率预测方法，其特征在于，步骤1，具体包括：

对光伏电站的历史气象数据进行归一化处理，得到处理后的光伏电站的历史气象数据，根据处理后的光伏电站的历史气象数据与历史光伏发电输出功率，建立历史数据集。

4.根据权利要求3所述的基于优化的BP神经网络的光伏发电输出功率预测方法，其特征在于，处理后的光伏电站的历史气象数据表示为：

式中，D为光伏电站的历史气象数据与历史光伏发电输出功率，D_min为光伏电站的的历史气象数据与历史光伏发电输出功率中的最小值，D_max为光伏电站的历史气象数据与历史光伏发电输出功率中的最大值。

5.根据权利要求2所述的基于优化的BP神经网络的光伏发电输出功率预测方法，其特征在于，步骤32中，根据每个个体的权值和阈值，得到每个个体的适应度函数值，具体为：

将每个个体的权值、阈值和历史数据集中的光伏电站的历史气象数据带入BP神经网络预测模型中，输出预测的光伏发电输出功率计算预测的光伏发电输出功率与历史数据集中历史光伏发电输出功率之间的均方根误差RMSE，表示为：

根据RMSE，得到每个个体的适应度函数值D(w,b)表示为：

式中，w为权值，b为阈值。