[发明专利]一种超短期光伏预测方法有效
申请号: | 201510750464.9 | 申请日: | 2015-11-06 |
公开(公告)号: | CN105426956B | 公开(公告)日: | 2019-01-22 |
发明(设计)人: | 曹欣;王铁强;孙广辉;时珉;王鑫明;王艳阳;杨晓东;魏明磊;孙辰军;刘梅;赵然;张华铭;孙福林;张维静 | 申请(专利权)人: | 国家电网公司;国网河北省电力公司;北京清软创新科技股份有限公司 |
主分类号: | G06N3/04 | 分类号: | G06N3/04;G06N3/08;G06Q50/06 |
代理公司: | 北京天盾知识产权代理有限公司 11421 | 代理人: | 林晓宏 |
地址: | 100031 *** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | 本发明公开了一种超短期光伏预测方法,包含如下步骤:训练数据x选取;训练数据归一化处理;训练数据异常化处理;数据函数变换;显著性分析;广义回归神经网络模型训练;广义回归神经网络模型预测,该超短期光伏预测方法,利用广义回归神经网络建模理论及方法,通过增加隐层的基函数,精确了局部逼近,达到全局最优,同时针对模型输入信息做了显著性提取和改进,通过函数变换增强历史数据的相关性,并作为输入信号进入广义回归神经网络预测模型,有效提升了预测精度,另外训练样本选定后,广义回归神经网络结构和权值会自动确定,只需调整平滑参数即可,避免了循环训练的计算过程,更加快速地实现全局逼近的学习和预测能力。 | ||
搜索关键词: | 一种 短期 预测 方法 | ||
【主权项】:
1.一种超短期光伏预测方法,其特征在于,包含如下步骤:(1)训练数据x选取:以某日某地区气象因素信息为测试和训练数据基础,数据分辨率为15min,数据种类包含全球太阳能辐照度水平、大气层外直接太阳辐照强度、温度、湿度、云层覆盖率、平均风速、气压、降雨量、降雪量以及地面接收净辐射量;(2)训练数据归一化处理:针对训练数据作归一化处理,归一化处理的公式为s为样本标准差,为样本平均值;(3)训练数据异常化处理:针对归一化的数据x1,x2,···,xg,删除异常数据,其中,利用莱以特准则删除异常数据,vg为残差,s'为样本标准差;(4)数据函数变换:将第2步处理好的训练数据,作为原始训练数据组存储,同时针对原始训练数据组做函数变换并保存多组变换方案,其中函数变换包含但不限于数据开方自然对数lnxg和指数模型xgn;(5)显著性分析:采用皮尔逊相关系数法针对所有训练数据组执行显著性分析,并分别对比多组分析结果,皮尔逊相关系数法的公式为cov为协方差,δ为标准差;(6)广义回归神经网络模型训练:以显著分析中提取的变换数据组为输入,具体为预测时段前2h的变换数据,对应未来1h辐照度为输出,训练广义回归神经网络预测模型,其中预测时段前2h的变换数据分为24个时刻点;(7)广义回归神经网络模型预测:利用训练好的广义回归神经网络预测模型,选取函数变换数据作输入,光伏电站输出功率作输出,实现对未来1h光伏电站输出功率的超短期预测。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于国家电网公司;国网河北省电力公司;北京清软创新科技股份有限公司,未经国家电网公司;国网河北省电力公司;北京清软创新科技股份有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/patent/201510750464.9/,转载请声明来源钻瓜专利网。
- 上一篇:一种学科知识表达与描述方法
- 下一篇:纳米微缩智慧码包装盒及其识别方法