本发明涉及光伏发电量预测,尤其涉及一种利用bp神经网络提高光伏发电量预测准确度的方法。
背景技术:
1、光伏发电系统是指能将太阳能直接转化为电能的装置,光伏电池电流-电压输出特性是非线性的,且其输出特性受日照、温度等因素的影响较大,另外,光伏电池的转换效率很低,价格昂贵,初期投入大,因此,有必要采用最大功率跟踪控制来提高光伏系统的效率,目前常用的最大功率点跟踪方法有扰动观测法、恒定电压法、增量电导法、最优梯度法等,这些方法控制复杂、难于实现、扰动量无法确定等问题。
2、文献号为cn108960491a的专利文献公开一种基于rbf神经网络的光伏发电量预测方法,包括步骤:根据光伏发电量及其拟选取影响因素的历史数据构建训练样本;基于已构建的训练样本,采用改进遗传算法选取光伏发电量影响因素,并对rbf神经网络进行训练,得到光伏发电量影响因素和训练好的rbf神经网络;将光伏发电量影响因素的待预测日数据输入已训练好的rbf神经网络,得到光伏发电量预测值。本发明能够较好地解决rbf神经网络的泛化问题,提高光伏发电预测结果的准确性,但其也存在:迭代过程复杂,不利于权重值调整优化的问题。
3、本发明提出了一种利用bp神经网络提高光伏发电量预测准确度的方法,方法简单实用,易于控制,经训练可提高光伏发电量预测精度。
技术实现思路
1、本发明的目的在于提供一种利用bp神经网络提高光伏发电量预测准确度的方法,解决对未来一段时间光伏发电量预测精度差,不能准确预测光伏发电量的问题。
2、本发明的目的可以通过以下技术方案实现:一种利用bp神经网络提高光伏发电量预测准确度的方法,包括以下步骤:
3、s1、确定影响光伏发电量的影响因子;
4、s2、用影响因子和电量预测公式获取光伏发电量的初始预测值;
5、s3、获取光伏发电量的实际值;
6、s4、根据初始预测值与实际值的差值,利用bp神经网络完善电量预测公式中各影响因子的权重值;
7、s5、用影响因子和完善权重值后的电量预测公式获取光伏发电量的最终预测值;
8、其中,电量预测公式为:
9、y=w1*x1+w1*x2+w1*x3+......+w2*x2+w3*x3
10、其中x1,x2,x3为影响因子w1,w2,w3为影响因子在光伏发电量中的权重值。
11、进一步地:所述根据初始预测值与实际值的差值,利用bp神经网络完善电量预测公式中各影响因子的权重值的步骤为:
12、s41、建立一个bp神经网络,所述bp神经网络包括输入层、隐藏层和输出层;
13、s42、获取输出层的误差;
14、s43、获取隐藏层的误差;
15、s44、更新隐藏层的权值;
16、进一步地:所述影响光伏发电量的影响因子包括光照强度、光照时间和大气温度。
17、进一步地:所述隐藏层的神经元数量计算公式为:
18、
19、其中,m为隐藏层神经元数,n为输入层神经元数,k为输出层神经元数,a为0~10之间的常数。
20、本发明的有益效果:
21、本发明通过bp神经网络对电量预测公式的权重进行完善,从而减小电量预测值与实际值的误差,提高光伏发电量预测的准确度。
1.一种利用bp神经网络提高光伏发电量预测准确度的方法,其特征在于:包括以下步骤:
2.根据权重要求1所述的一种利用bp神经网络提高光伏发电量预测准确度的方法,其特征在于:所述根据初始预测值与实际值的差值,利用bp神经网络完善电量预测公式中各影响因子的权重值的步骤为:
3.根据权利要求1所述的一种利用bp神经网络提高光伏发电量预测准确度的方法,其特征在于:所述影响光伏发电量的影响因子包括光照强度、光照时间和大气温度。
4.根据权利要求2所述的一种利用bp神经网络提高光伏发电量预测准确度的方法,其特征在于:所述隐藏层的神经元数量计算公式为: