[发明专利]基于相似日的BP神经网络光伏发电系统功率预测方法

摘要

本发明公开了一种提供了一种基于相似日的改进BP神经网络光伏发电系统功率预测方法。将天气影响因素量化编码后，根据相似日选取原理，选出与预测日相似度较高的历史日，利用相似历史日的发电量数据和气象数据，结合预测日气象数据，构成训练样本集，对BP神经网络进行训练。训练时，权值调整算法采用结合了附加动量与变学习率的梯度修正法，提高模型收敛速度，并减小模型陷入局部最优解的概率，保证预测模型精度和稳定性。

主权项

基于相似日的BP神经网络光伏发电系统功率预测方法，其特征在于，包括如下步骤：步骤一：选取气象影响因素，对天气类型编码：将模糊描述的天气类型映射为天气类型指数，量化天气因素对光伏发电功率的影响；步骤二：计算历史日与预测日的天气相似度：构造天气类型特征向量，并对特征向量各分量进行归一化处理，并采用连乘方式定义并计算相似度；步骤三：选取相似日：选取与预测日相似度最大的20～50个历史日构成相似历史日训练样本集；步骤四：构建BP神经网络预测模型：将相似历史日的光伏发电功率数据与天气类型指数作为模型输入量，设计一种双隐层BP神经网络预测模型；步骤五：训练BP神经网络预测模型：根据相似历史日训练样本集给出BP神经网络预测模型的输入量和理论目标输出，对BP神经网络预测模型的连接权值进行不断修正；步骤六：光伏发电功率预测与评估：训练完成后利用相似度最高的历史日发电量数据作为BP神经网络预测模型的输出，计算网络输出光伏发电功率，并与理论目标输出光伏发电功率相比较，评估预测精度。