[發明專利]基于長短期記憶神經網絡的短期光伏發電量預測方法

在審

• 申請號: 201811165643.6
• 申請日: 2018-10-08
• 公開（公告）號: CN109284870A
• 公開（公告）日: 2019-01-29
• 發明（設計）人: 余運俊;曹駿飛
• 申請（專利權）人: 南昌大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;G06N3/02
• 代理公司: 南昌新天下專利商標代理有限公司 36115
• 代理人: 施秀瑾

1.一種基于長短期記憶神經網絡的短期光伏發電量預測方法，其特征是包括以下步驟：

(1)獲取相關地區光伏系統所接收的太陽輻射量數據及相應的歷史氣象數據信息，分析并選取影響光伏系統發電量的氣象因素；預測每天5:00-18:00各整點時刻的太陽輻射量；所需要獲取的歷史氣象數據信息包括：每天5:00-18:00各整點時刻的溫度、濕度、風速、太陽高度角以及天氣狀況，其中天氣狀況包括晴天、雨天、陰天；

(2)根據所選取的影響因素，確定長短期記憶神經網絡的輸入數據和輸出數據，建立長短期記憶神經網絡模型；利用預測日之前30天相同時刻的太陽輻射量序列來預測該日5:00-18:00各整點時刻的太陽輻射量；模型的輸入數據X＝{SI₁^T,T^T,H^T,WS^T,SA^T,W^T}，輸出數據Y＝{SI₂^T}，其中，SI₁，T，H，WS，SA分別是預測日前30天每天5:00-18:00各整點時刻的太陽輻射量、溫度、濕度、風速、太陽高度角，均為14維的向量；W為5:00-18:00各整點時刻天氣狀況，將天氣類型晴天、雨天、陰天分別標記為1、2、3；輸出數據SI₂是預測日當日5:00-18:00各整點時刻的太陽輻射量；

(3)將太陽輻射量數據和歷史氣象數據歸一化處理后分為測試樣本和訓練樣本，根據訓練樣本建立長短期記憶神經網絡并進行誤差計算、權值更新和閾值更新；訓練方法采用反向傳播算法，并采用誤差平方和函數進行代價函數學習；

(4)根據訓練后得到的長短期記憶神經網絡模型，以預測日之前30天每天5:00-18:00各整點時刻的太陽輻射量、溫度、濕度、風速、太陽高度角、天氣類型作為輸入數據，預測當日的5:00-18:00各整點時刻的太陽輻射量，長短期記憶網絡的時間步長設置為14；將預測結果反歸一化處理即可得到當日的太陽輻射量數據；

(5)利用預測的太陽輻射量數據計算出預測日當日的光伏發電量。