光伏发电功率预测方法及装置制造方法及图纸

本发明专利技术公开了一种光伏发电功率预测方法及装置，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。本发明专利技术实现了较为准确的预测光伏发电功率的技术效果。

【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，生成所述训练数据。可选的，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。可选的，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。可选的，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。可选的，该光伏发电功率预测方法，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。可选的，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。为了实现上述目的，根据本专利技术的另一方面，提供了一种光伏发电功率预测装置，该装置包括：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装置，还包括：温湿度特征向量获取模块，用于获取所述待预测日的温湿度特征向量；关联系数计算模块，用于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；相似日确定模块，用于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；训练数据生成模块，用于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。可选的，该光伏发电功率预测装置，还包括：初始权值优化模块，用于采用改进的麻雀算法优化Elman神经网络的初始权值；模型训练模块，用于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。为了实现上述目的，根据本专利技术的另一方面，还提供了一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述光伏发电功率预测方法中的步骤。为了实现上述目的，根据本专利技术的另一方面，还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序在计算机处理器中执行时实现上述光伏发电功率预测方法中的步骤。本专利技术的有益效果为：本专利技术实施例通过采用改进的麻雀算法优化Elman神经网络的初始权值，进而根据Elman神经网络训练得出神经网络预测模型，以根据神经网络预测模型对待预测日的光伏发电功率进行预测，实现了准确、高效的对光伏发电功率进行预测的有益效果。附图说明为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。在附图中：图1是本专利技术实施例光伏发电功率预测方法的第一流程图；图2是本专利技术实施例光伏发电功率预测方法的第二流程图；图3是本专利技术实施例光伏发电功率预测方法的第三流程图；图4是本专利技术实施例光伏发电功率预测装置的第一结构框图；图5是本专利技术实施例光伏发电功率预测装置的第二结构框图；图6是本专利技术实施例光伏发电功率预测装置的第三结构框图；图7是本专利技术实施例改进的麻雀算法的流程图；图8是本专利技术实施例Elman神经网络结构图；图9是本专利技术实施例计算机设备示意图。具体实施方式为了使本
的人员更好地理解本专利技术方案，下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分的实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本专利技术保护的范围。本领域内的技术人员应明白，本专利技术的实施例可提供为方法、系统、或计算机程序产品。因此，本专利技术可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本专利技术可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。需要说明的是，本专利技术的说明书和权利要求书及上述附图中的术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。需要说明的是，在不冲突的情况下，本专利技术中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本专利技术。本专利技术提供一种通过改进的麻雀算法来优化神经网络进行光伏功率预测的方法，该方法通过减少向最优位置的跳跃，改进发现者和加入者的位置更新公式，最后通过本文档来自技高网...

【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