[发明专利]一种基于改进的IHCMAC神经网络的光伏发电功率预测方法

摘要

本发明公开了一种基于改进的IHCMAC神经网络的光伏发电功率预测方法，在定量分析气象主要参数与光伏发电输出功率相关性的基础上，采用改进的IHCMAC神经网络作为短期光伏发电功率预测模型。采用动态模糊K均值(K‑MEANS)聚类算法，确定神经网络节点和确定节点数目；利用实时采集的现场气象参数、光伏发电等数据，作为预测模型的学习样本和验证样本。该方法采用动态模糊K均值聚类算法合理改进的IHCMAC神经网络，能有效确定和减少神经网络的节点数目，缩短参数学习时间，提高学习精度。

主权项

一种基于改进的IHCMAC神经网络的光伏发电功率预测方法，其特征是：包括以下步骤：(1)采集光伏发电系统的输出功率及气象数据；(2)对数据进行过滤，分析不同气象因素与光伏发电输出功率的相关性，提取主要影响因素作为输入信息；(3)利用归一化方法消除数量级对预测结果的影响，将归一化后的数据利用平均值法进行缺失数据修补，利用拉依达准则剔除异常值；(4)采用K平均聚类算法减少IHCMAC神经网络的节点数目，利用改进后的IHCMAC神经网络对光伏发电功率进行预测。