[发明专利]基于LM-BP神经网络的光伏超短期功率预测方法

权利要求书

1.一种基于LM-BP神经网络的光伏超短期功率预测方法，其特征在于：包括以下步骤：

步骤1：根据环境因素建立LM-BP神经网络预测模型并确定输入层数据和输出层数据；

步骤2：LM-BP神经网络预测模型对输入的数据进行归一化处理；

步骤3：采用LM算法进行LM-BP神经网络训练，得到更新权值的LM算法；

步骤4：计算光伏电站的光伏功率得到预测结果。

2.根据权利要求1所述的基于LM-BP神经网络的光伏超短期功率预测方法，其特征在于：所述步骤4后还包括预测结果校正的步骤：将已过去最近一小时的温度光照与数据库中同时段的历史情况进行对比，若其数据与当前预测结果类似时可通过相似天数据情况对预测值进行修正调整；同时通过与数据库中同时段的历史最大、最小值进行比较，若大于历史最大值，或小于历史最小值，则需要修正其结果为历史最大值或历史最小值。

3.根据权利要求1或2所述的基于LM-BP神经网络的光伏超短期功率预测方法，其特征在于：所述的LM-BP神经网络预测模型包括按季节构建的四个预测子模型：春季模型、夏季模型、秋季模型和冬季模型以及按照天气情况构建的三个子模型：晴天模型、多云模型、雨天模型模型。

4.根据权利要求1或2所述的基于LM-BP神经网络的光伏超短期功率预测方法，其特征在于：所述的输入层数据包括光照及温度序列、预测日季节和日类型。

5.根据权利要求4所述的基于LM-BP神经网络的光伏超短期功率预测方法，其特征在于：所述的光照及温度序列包括前一天白天6：00到18：00期间12小时逐小时的光照及温度序列、预测日白天12小时逐小时的光照及温度序列；所述的预测日季节为春季、夏季、秋季或冬季，所述的日类型为晴天、多云或雨天类型。

6.根据权利要求1或2所述的基于LM-BP神经网络的光伏超短期功率预测方法，其特征在于：所述输出层数据为预测日6：00到18：00期间每小时的光伏发电预测量。

7.根据权利要求1或2所述的基于LM-BP神经网络的光伏超短期功率预测方法，其特征在于：所述步骤2的归一化处理是将原始目标、输入数据转换到[0，1]区间内，其归一化公式为：

P*=P-PminPmax-Pmin]]>

式中：P^*为归一化后的数据，P为样本数据，P_max，P_min分别为P的最大值和最小值。

8.根据权利要求1或2所述的基于LM-BP神经网络的光伏超短期功率预测方法，其特征在于：所述步骤3得到的更新权值的LM算法为：

ΔW＝-[J^T(X)·J(X)+μI]^-1J^T(X)·e(X)

式中，μ为大于0的常数，I为单位矩阵，e_i(X)为神经网络实际输出与期望输出的误差，J(X)是Jacobian矩阵，J^T(X)是Jacobian矩阵的逆矩阵。

9.根据权利要求1或2所述的基于LM-BP神经网络的光伏超短期功率预测方法，其特征在于：所述步骤4的预测结果是通过以下方式计算得到：根据LM-BP神经网络预测模型得到的输出层数据，逐个计算光伏站中每个光伏阵列的出力，然后求和得到整个光伏电站的出力预测结果；或者选取其中几个有代表性的光伏阵列预测其出力，然后等效得到其他光伏阵列的出力预测结果。