[发明专利]泄漏积分型回声状态网络在线学习光伏功率预测方法

摘要

本发明涉及光伏功率预测，为提出分析泄漏积分型回声状态网络(LIESN)的参数对其光伏功率预测性能的影响，并得到优化后光伏功率的预测模型；利用最小二乘在线学习算法对模型实施训练，得到在线学习泄漏积分型回声状态网络预测模型，最终实现基于泄漏积分型回声状态网络的在线学习光伏功率预测。本发明采用的技术方案是，泄漏积分型回声状态网络在线学习光伏功率预测方法，步骤如下步骤1引入泄漏积分神经元步骤2参数的设定步骤3利用在线学习算法训练步骤4光伏输出功率预测。本发明主要应用于光伏功率预测场合。

主权项

一种泄漏积分型回声状态网络在线学习光伏功率预测方法，其特征是，步骤如下：步骤1引入泄漏积分神经元：采用泄漏积分神经元实现具有时序特征的光伏功率输出预测；步骤2参数的设定：根据LIESN的结构，选择输入层、储备池、输出层的维数；设定网络的参数，包括储备池规模N、谱半径SR、储备池连接度SD、输入尺度IS、泄漏积分率、遗忘因子；步骤3利用在线学习算法训练：将权值的动态调整思想引入LIESN的训练过程，实现LIESN的在线学习，使光伏功率预测模型建立以后依然可以根据新获取的样本调整权值，在已有的训练结果的基础上继续新样本的学习，增强模型对样本的识别能力；步骤4光伏输出功率预测：利用在线学习算法与训练样本完成训练之后，得到光伏输出功率预测模型，利用该模型对测试样本进行预测，并对比预测功率与实际功率，评价预测精准程度。