[發(fā)明專利]基于GRNN神經(jīng)網(wǎng)絡(luò)的光伏發(fā)電預(yù)測方法

在審

• 申請?zhí)枺?/td>: 201410299370.X
• 申請日: 2014-06-27
• 公開（公告）號: CN104050517A
• 公開（公告）日: 2014-09-17
• 發(fā)明（設(shè)計）人: 董聰;柳進;劉廣一;于繼來
• 申請（專利權(quán)）人: 哈爾濱工業(yè)大學(xué)
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;G06N3/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

1.一種基于GRNN神經(jīng)網(wǎng)絡(luò)的光伏發(fā)電預(yù)測方法，其特征在于所述預(yù)測方法為：

步驟1：分析光伏負荷的負荷特征和影響因子，運用K均值聚類方法對天氣樣本空間進行聚類分成二組，選取與預(yù)測日分為一組的各日光伏負荷數(shù)據(jù)建立負荷模式M＝{X₁,X₂,...,X_n+1}，其中選取與預(yù)測日最近的一日光伏負荷數(shù)據(jù)Y＝{_y1,_y2,…_ym}為網(wǎng)絡(luò)期望輸出，其余日光伏負荷數(shù)據(jù)M＝{X₁,X₂,...,X_n}為GRNN神經(jīng)網(wǎng)絡(luò)的輸入向量，其中n為訓(xùn)練樣本數(shù)，m為網(wǎng)絡(luò)輸出向量的維數(shù)；

步驟2：建立GRNN神經(jīng)網(wǎng)絡(luò)預(yù)測模型后，計算模式層神經(jīng)元P_i輸出，并分別計算兩類求和層神經(jīng)元輸出S_D和S_Nk，并計算出網(wǎng)絡(luò)實際輸出向量Y^={y^1,y^2,...,y^m};]]>

步驟3：對比網(wǎng)絡(luò)實際輸出和期望輸出，計算誤差目標函數(shù)，判斷模型是否合格，如果合格進行步驟4，如不合格則通過再逐步增大平滑參數(shù)σ，修正模型之后重新計算模式層神經(jīng)元輸出、兩類求和層神經(jīng)元輸出S_D、S_Nk和網(wǎng)絡(luò)實際輸出值直到誤差目標函數(shù)小于給定精度，停止迭代，進行步驟4；

步驟4：將光伏負荷模式輸入到GRNN神經(jīng)網(wǎng)絡(luò)預(yù)測模型中，按步驟3過程計算得到的網(wǎng)絡(luò)輸出即為光伏負荷預(yù)測向量

步驟5：對比預(yù)測結(jié)果與實際用戶負荷，計算誤差指標，并根據(jù)誤差指標評價預(yù)測誤差。

2.根據(jù)權(quán)利要求1所述的基于GRNN神經(jīng)網(wǎng)絡(luò)的光伏發(fā)電預(yù)測方法，其特征在于所述模式層神經(jīng)元P_i的輸出公式為：

pj=exp[-(Xj-Xi)T(Xj-Xi)2σ2],]]>

式中：X_j為網(wǎng)絡(luò)的輸入向量；X_i為神經(jīng)元i對應(yīng)的訓(xùn)練向量，j,i＝1,2,…,n，n為訓(xùn)練樣本數(shù)。