(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111654839.3 (22)申请日 2021.12.3 0 (71)申请人 南京洁源电力科技发展 有限公司 地址 210012 江苏省南京市雨 花台区软件 大道180号 南海科技园A3幢5 03室 申请人 中南大学 (72)发明人 金胜骞　文爽　孙志强　焦晓雷　 陈虎　 (74)专利代理 机构 长沙市融智专利事务所(普 通合伙) 43114 代理人 胡喜舟 (51)Int.Cl. G06Q 10/04(2012.01) G06Q 10/06(2012.01) G06Q 50/06(2012.01)G06K 9/62(2022.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 基于相似日的光伏发电功 率短期预测方法、 装置及存 储介质 (57)摘要 本发明公开了一种基于相似日的光伏发电 功率短期预测方法、 装置及存储介质， 通过获取 的气象信息， 并确定天气类型， 然后根据气象信 息和天气类型利用相似度分析理论构建相似日 样本集， 对相似日样本集历史光伏发电功率数据 进行分解， 提取中频分量构建短期预测中频信 息， 然后基于相似日样本集的气象信息、 短期预 测中频信息和历史光伏发电功率数据训练神经 网络， 得到光伏发电功率短期预测模型， 以预测 日的气象信息和短期预测中频信息作为输入， 预 测预测日光伏发电短期功率。 可以实现不同气象 条件下光伏发电短期功率的有效预测， 对光伏发 电并网和电站的稳定运行的拓展研究工作提供 基础。 权利要求书4页 说明书9页 附图1页 CN 114266416 A 2022.04.01 CN 114266416 A 1.一种基于相似日的光伏发电功率短期预测方法， 其特 征在于， 包括： 获取预测日的气象信息， 并确定其所属天气类型； 根据预测日气象信息、 天气类型从历史发电日数据库中选出综合相似度最大的A个历 史发电日数据构建相似日样本集， 其中A为预设值； 对相似日样本集中每个历史发电日的历史光伏发电功率数据分别进行分解处理， 并分 别将分解处理得到的表示短期规律的IMF分量叠加作为短期预测中频信息； 且将综合相似 度最高的历史发电日对应的短期预测中频信息作为预测日的短期预测中频信息； 将相似日样本集的气象信 息、 短期预测中频信 息及历史光伏发电功率数据进行归一化 处理； 将归一化处理后的相似日样本集中每个历史发电日的气象信息及短期预测中频信息 作为神经网络的输入， 将对应的历史光伏发电功率数据作为神经网络的输出， 对神经网络 进行训练， 得到光伏发电功率短期预测模型； 将预测日对应的气象信 息及其短期预测中频信 息进行归一化处理， 然后输入到光伏发 电功率短期预测模型， 输出归一 化的光伏发电预测功率； 对光伏发电预测功率进行反归一 化处理得到预测日光伏发电短期预测功率。 2.根据权利要求1所述的基于相似日的光伏发电功率短期预测方法， 其特征在于， 所述 根据预测日气象信息、 天气类型从历史发电日数据库中选出综合相似度最大 的A个历史发 电日数据构建相似日样本集， 具体包括： 根据预测日天气类型从历史发电日数据库中筛选出天气类型系统的历史发电日数据 构建相似日初始样本集； 计算基于预测日气象信息构建的气象信息特征向量与相似日初始样本集中各历史发 电日的气象信息特征向量间的综合相似度， 选取综合相似度最大 的A个历史发电日数据构 建相似日样本集。 3.根据权利要求1或2所述的基于相似日的光伏发电功率短期预测方法， 其特征在于， 所述综合相似度通过如下公式计算得到： Si＝α Fi+(1‑α )Dcosi 其中， Si表示第i个历 史发电日与预测日的综合相似度； α表示取值为[0,1]之间的经验 权重系数； Fi表示第i个历史发电日与预测日的气象信息间灰 色关联度， Dcosi表示第i个历史 发电日与预测日的气象信息间余弦相似度； 其中， Fi计算公式如下： 式中， M为气象信息包含的分量总数； ωi(k)表示第i个历 史发电日与预测日的第k个气 象信息分量间的灰色 关联系数， 计算公式如下： Dcosi计算公式如下：权　利　要　求　书 1/4 页 2 CN 114266416 A 2其中， 表示预测日气象信息的第k个分量， 表示第i个历史发电日气象信息的 第k个分量， ρ 表示取值 为[0,1]之间的分辨系数。 4.根据权利要求1所述的基于相似日的光伏发电功率短期预测方法， 其特征在于， 所述 对相似日样本集中每个历史发电日 的历史光伏发电功率数据分别进行分解处理， 并分别将 分解处理得到的表示短期规 律的IMF分量叠加作为短期预测中频信息， 具体包括： 对于相似日样本集中每个历史发电日， 利用EEMD算法对其历史光伏发电功率数据进行 分解， 得到多个IMF分量和一个残差分量； 用游程检验法检验计算历史光伏发电功率数据分解得到的各IMF分量的最大游程长度 和游程数， 根据最大游程长度和游程数筛 选出中频IMF分量； 将筛选出的中频IMF分量叠加作为该历史发电日的短期预测中频信息 。 5.根据权利要求1所述的基于相似日的光伏发电功率短期预测方法， 其特征在于， 对神 经网络进行训练之前， 还 包括： 确定神经网络的输入层、 输出层及隐含层的节点数n、 m、 l， 给定神经网络的训练函数、 节点传递函数及网络学习函数， 并利用灰狼优化算法对神经网络的初始权值和阈值进 行优 化， 并将优化后的值赋 给神经网络 。 6.根据权利要求5所述的基于相似日的光伏发电功率短期预测方法， 其特征在于， 所述 神经网络采用BP神经网络， 其隐含层和输出层可通过 下式计算： 隐含层： 输出层： 其中， bj为隐含层第j个节点， Xi为输入向量的第i个分量， wij为输入层第i个节点与隐含 层第j个节点间的权值， θj为隐含层第j个节点的阈值， Yk为输出层第k个节点， vjk为隐含层 第i个节点与输出层第k个节点间的权 值， γk为输出层第k个节点的阈值； f1(·)为隐含层节 点函数， f2(·)为输出层节点 函数； 网络误差通过如下公式计算： Ek＝yk‑Yk 其中， Ek为输出层第k个节点的误差， yk为输出层第k个节点的真实值， Yk为输出层第k个 节点的预测值； 隐含层和输出层的权值和阈值更新方式如下： 隐含层：权　利　要　求　书 2/4 页 3 CN 114266416 A 3