[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

说明书

基于优化的BP神经网络的光伏发电输出功率预测方法，属于新能源功率预测领域。本发明的目的是为了解决现有的光伏发电功率预测方法存在预测精度低的问题。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。它用于预测光伏发电输出功率。

技术领域

本发明涉及光伏发电输出功率预测方法，属于新能源功率预测领域。

背景技术

随着我国新能源战略的持续大力推进，新能源并网技术作为影响新能源发展的关键技术之一，受到越来越多学者的重视。精确的新能源功率预测，能有效地降低新能源并网对电网带来的影响，促进新能源健康稳定地发展。随着光伏装机容量的不断增加，光伏发电的波动性、间歇性等特征对电力系统安全稳定运行的影响越来越大。因此，精确的光伏发电输出功率预测，能保证光伏电站友好接入电网，有效提高光伏发电的利用率，对光伏电站参与电力系统调峰、优化调度运行管理水平、改善电力市场现货交易机制具有重要意义。

目前，光伏发电功率预测的方法从预测对象角度分类，主要分为直接预测方法与间接预测方法。顾名思义，直接预测方法就是对光伏发电输出功率进行预测，而间接预测方法指的是首先预测光照强度，然后根据数学模型计算得到光伏发电输出功率预测。然而现有的光伏发电功率预测方法均存在预测精度低的问题。

发明内容

本发明的目的是为了解决现有的光伏发电功率预测方法存在预测精度低的问题，现提供基于优化的BP神经网络的光伏发电输出功率预测方法。

基于优化的BP神经网络的光伏发电输出功率预测方法，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。

优选地，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；