【技术实现步骤摘要】
光伏发电功率预测方法及装置
本专利技术涉及光伏发电
,具体而言,涉及一种光伏发电功率预测方法及装置。
技术介绍
光伏发电已经成为当今中国能源系统重要的一环,如今光伏发电技术已经足够成熟,对光伏发电功率准确的预测是电网安全调度等的重要依据,对电网安全调度具有重要意义。光伏发电功率受多种因素影响,具有不稳定性和波动性,所以对于光伏功率的预测较为困难,对于光伏功率的预测,传统的智能方法存在泛化能力不强和易陷入局部最优的问题。因此很难对光伏发电功率进行准确地预测。因此,现有技术缺少一种更为准确的对光伏发电功率进行准确的方法。
技术实现思路
本专利技术为了解决上述
技术介绍
中的至少一个技术问题,提出了一种光伏发电功率预测方法及装置。为了实现上述目的,根据本专利技术的一个方面,提供了一种光伏发电功率预测方法,该方法包括:获取待预测日的气象数据;将所述气象数据输入到预设的神经网络预测模型中,得到所述待预测日的光伏发电功率预测值,其中,所述神经网络预测模型为根据训练数据采用Elman神经网络训练得出的,在训练时采用改进的麻雀算法优化Elman神经网络的初始权值。可选的,该光伏发电功率预测方法,还包括:获取所述待预测日的温湿度特征向量;分别计算所述待预测日的温湿度特征向量与多个预设的历史日的温湿度特征向量的关联系数;根据所述关联系数从所述多个预设的历史日中筛选出多个所述待预测日的相似日;根据每个所述相似日的气象数据和光伏发电功率数据,生成所述训练数 ...
【技术保护点】
1.一种光伏发电功率预测方法,其特征在于,包括:/n获取待预测日的气象数据;/n将所述气象数据输入到预设的神经网络预测模型中,得到所述待预测日的光伏发电功率预测值,其中,所述神经网络预测模型为根据训练数据采用Elman神经网络训练得出的,在训练时采用改进的麻雀算法优化Elman神经网络的初始权值。/n
【技术特征摘要】
1.一种光伏发电功率预测方法,其特征在于,包括:
获取待预测日的气象数据;
将所述气象数据输入到预设的神经网络预测模型中,得到所述待预测日的光伏发电功率预测值,其中,所述神经网络预测模型为根据训练数据采用Elman神经网络训练得出的,在训练时采用改进的麻雀算法优化Elman神经网络的初始权值。
2.根据权利要求1所述的光伏发电功率预测方法,其特征在于,还包括:
获取所述待预测日的温湿度特征向量;
分别计算所述待预测日的温湿度特征向量与多个预设的历史日的温湿度特征向量的关联系数;
根据所述关联系数从所述多个预设的历史日中筛选出多个所述待预测日的相似日;
根据每个所述相似日的气象数据和光伏发电功率数据,生成所述训练数据。
3.根据权利要求1所述的光伏发电功率预测方法,其特征在于,所述改进的麻雀算法的发现者更新位置的策略为,若觅食环境周围没有捕食者,更新位置为乘以一个均值为1且方差为1的正态分布随机数,若觅食环境周围存在捕食者,更新位置为加上一个标准的正态分布随机数。
4.根据权利要求1所述的光伏发电功率预测方法,其特征在于,所述改进的麻雀算法的加入者更新位置的策略为,若加入者处于非饥饿状态,则随机决定是否向发现者移动,并在移动时移动随机距离。
5.根据权利要求1所述的光伏发电功率预测方法,其特征在于,所述改进的麻雀算法的侦察者的位置更新策略为,若侦察者处于最优位置则会逃到最优位置和最差位置之间的随机位置,若侦察者不是处于最优位置则会逃到自身和最优位置之间的一个随机位置。
6.根据权利要求2所述的光伏发电功率预测方法,其特征在于,还包括:
采用改进的麻雀算法优化Elman神经网络的初始权值;
根据所述训练数据以及所述Elman神经网络进行模型训练,得到所述神经网络预测模型。
7.根据权利要求1所述的光伏发电功率预测方法,其特征在于,所述温湿度特征向量中包含:平均温度、平均湿度、最高温度、最高湿度、最低温度以及最低湿度。
8.一种光伏发电功率预测装置,其特征在于,包括:
待预测日气象数据获取模块,用于获取待预测日的气象数据;
光伏发电功率预测模块,用于将所述气象数据输入到预设的神经网络预测模型中,得到所述待预测日的光伏发电功率预测值,其中,所述神经网络预测模型为根据训练数据采用...
【专利技术属性】
技术研发人员:刘京波,刘辉,张家安,吴林林,郝峰,吴宇辉,张扬帆,柳玉,程雪坤,李琰,巩宇,马宏飞,
申请(专利权)人:国网冀北电力有限公司电力科学研究院,国家电网有限公司,华北电力科学研究院有限责任公司,河北工业大学,
类型:发明
国别省市:北京;11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。