基于特征筛选与ANFIS-PSO的光伏短期功率预测方法

    公开(公告)号:CN109858665A

    公开(公告)日:2019-06-07

    申请号:CN201811488151.0

    申请日:2018-12-06

    摘要: 本发明公开了基于特征筛选与ANFIS-PSO的光伏短期功率预测方法,包括:选择已发生的任意时间段的某地区光伏发电功率和天气的历史数据;对该时间段该地区光伏发电功率的和天气的历史数据进行特征筛选,选择出对光伏发电功率影响相关度强的天气的历史数据作为天气特征数据;对筛选的天气特征数据输入自适应神经模糊推理算法搭建的训练网络,训练网络对筛选的天气特征数据进行数据训练并构建模糊推理系统;对天气特征数据进行训练时,采用粒子群算法对训练网络进行优化;输入该地区未来某一时间段预测的天气特征数据,得到该地区未来某一时间段的光伏发电功率预测结果。输入数据大大简化,节省了数据训练时间,在训练模型优化过程中不容易陷入局部极小值。

    一种日前风力发电预测方法

    公开(公告)号:CN109146131A

    公开(公告)日:2019-01-04

    申请号:CN201810754491.7

    申请日:2018-07-11

    IPC分类号: G06Q10/04 G06Q50/06

    CPC分类号: G06Q10/04 G06Q50/06

    摘要: 本发明公开了一种日前风力发电预测方法,具体步骤如下:步骤一,将NWP气象预测预测数据、历史实际风电发电数据和历史实际风速数据分解为子序列;步骤二,对子序列进行训练;步骤三,将通过希尔伯特‑黄变换得到的历史实际风速数据子序列作为输入,历史实际风力发电数据子序列作为输出,得到根据实际风速数据来预测风力发电的训练模型;步骤四,通过遗传算法优化根据实际风速数据来预测风力发电的训练模型;步骤五,利用希尔伯特‑黄变换的逆变换还原利用人工神经网络得到的风力发电预测数据。本发明考虑了实际风速历史数据、实际风力发电历史数据和NWP气象预测数据(包括风速、风向、气压、气温和湿度),能够有效提高风力发电预测准确率。