基于云自适应PSO-SNN的光伏系统发电功率预测方法

摘要

本发明公开一种基于云自适应PSO-SNN的光伏系统发电功率预测方法。方法包括以下步骤：1)根据预测日的季节和天气类型预报信息从样本库中挑选出相同季节和日类型的历史发电日组成初步样本；2)对样本数据进行坏数据剔除、补充以及归一化预处理；3)考虑最高、最低和平均温度，通过灰色关联分析法计算并排序关联度以确定各种天气类型下预测日的相似日集合；4)采用Time-to-first-Spike方法将模拟量数据转换成相应的脉冲时间数据；5)利用转换后的时间样本训练集对云自适应PSO-SNN预测模型进行训练；6)用训练后的预测模型对测试样本进行测试。本发明提供的方法有效地提高了预测精度，能够较好地解决光伏系统发电功率预测问题。

主权项

一种基于云自适应PSO‑SNN的光伏系统发电功率预测方法，其特征在于：包括以下步骤：(1)获取光伏系统发电功率预测所需的基本数据：历史发电数据和原始气象数据；(2)根据预测日的季节和天气类型预报信息从原始数据中挑选出相同季节和日类型的历史发电日组成初步样本；(3)统计初步样本中的日最高温度、最低温度、平均温度等信息，构成每日气象特征向量，并对特征向量作归一化处理；(4)计算第i日和预测日的总关联度R_i，取R_i≥0.8的历史发电日按日期顺序排列，选取靠近预测日的6个历史发电日组成预测日的相似日集；(5)数据预处理：对训练和测试样本集数据中坏数据进行剔除和补充，并对数据进行归一化处理，将样本数据尺度变换到区间[0,1]内，并设置网络初试参数；(6)网络时间编码：使用Time‑to‑first‑Spike编码方法将归一化后的模拟量数据样本转换成相应的脉冲时间数据样本；(7)利用训练样本数据对云自适应PSO‑SNN进行训练，直到训练样本集中的输出样本和期望输出样本的网络训练误差E≤预先设定的允许误差e_max；(8)根据预测日前一个相似日的历史发电数据和影响因素生成预测输入向量，并将预测输入向量输入训练后的云自适应PSO‑SNN预测模型，其输出即为待预测日的发电功率预测值。