发明名称 |
一种基于elman神经网络的光伏发电系统功率预测方法 |
摘要 |
本发明公开了一种基于elman神经网络的光伏发电系统功率预测方法,包括:获取在相关地区光伏发电设备的发电功率历史数据及相应的历史天气参数信息;确定神经网络的输入和输出数据,并确定最优的隐含层神经元个数,从而建立基于elman的神经网络;对发电功率历史数据及历史天气参数信息进行归一化处理,然后根据归一化处理后的数据对建立的神经网络进行训练,从而将基于elman的神经网络的预测误差控制在预设的范围内;以预测日前一周的发电功率历史数据和预测日的天气参数数据作为输入,采用训练后的神经网络对预测日的发电功率进行预测。本发明具有稳定、具有适应时变特性能力和预测精度高的优点,可广泛应用于光伏发电领域。 |
申请公布号 |
CN104268638A |
申请公布日期 |
2015.01.07 |
申请号 |
CN201410462330.2 |
申请日期 |
2014.09.11 |
申请人 |
广州市香港科大霍英东研究院 |
发明人 |
杨林;吕洲;高福荣;姚科 |
分类号 |
G06Q10/04(2012.01)I;G06Q50/06(2012.01)I;G06N3/02(2006.01)I |
主分类号 |
G06Q10/04(2012.01)I |
代理机构 |
广州嘉权专利商标事务所有限公司 44205 |
代理人 |
谭英强 |
主权项 |
一种基于elman神经网络的光伏发电系统功率预测方法,其特征在于:包括:A、获取在相关地区光伏发电设备的发电功率历史数据及相应的历史天气参数信息;B、确定神经网络的输入和输出数据,并确定最优的隐含层神经元个数,从而建立基于elman的神经网络,所述基于elman的神经网络包括输入层、隐含层、承接层和输出层,所述承接层用于记忆隐含层前一时刻的输出值并将该输出值返回给隐含层的输入;C、对发电功率历史数据及历史天气参数信息进行归一化处理,然后根据归一化处理后的数据对建立的神经网络进行训练,从而将基于elman的神经网络的预测误差控制在预设的范围内;D、以预测日前一周的发电功率历史数据和预测日的天气参数数据作为输入,采用训练后的神经网络对预测日的发电功率进行预测。 |
地址 |
511458 广东省广州市南沙区南沙资讯科技园软件北楼 |