一种应用于光伏发电系统的短期发电功率预测方法

摘要

本发明涉及一种应用于光伏发电系统的短期发电功率预测方法，其特征在于它包括两个阶段：1、将原始发电功率信号进行经验模态分解；2、为每个分解分量构建基于遗传算法的BP神经网络预测模型。本发明的好处主要表现在：提前进行准确的光伏发电功率预测，可以确定传统电网与光伏发电微网的电流流动方向，制定电力系统的调度方案并降低电力系统运行成本；同时，还能提前制定能源储备规划，减少光伏发电的不可控性和间歇性对大电网造成不利影响，增强光伏发电的市场竞争优势。同时，本系统也是将人工神经网络、遗传算法等计算机技术运用于光伏发电功率预测的一个先例，具有很大的新颖性和实用性。

主权项

一种应用于光伏发电系统的短期发电功率预测方法，其特征在于它包括两个阶段：①将原始发电功率信号进行经验模态分解；②为每个分解分量构建基于遗传算法的BP神经网络预测模型；1）原始发电功率信号进行经验模态分解：首先使用卡尔曼滤波器消除原始发电功率样本值中的异常数据并使用互信息理论选择最小特征子集，将预处理后的发电功率信号使用经验模态分解得到由低频到高频的一系列本征模组成分量信号和一个剩余分量信号；2）构建BP神经网络预测模型：针对发电功率信号经过经验模态分解得到的各个分量自身的规律和特点，分别为其构建基于遗传算法的BP神经网络预测模型，并聚合各个分量的预测值得到最终的发电功率预测结果。