公开(公告)号：CN111815051B

公开(公告)日：2022-09-23

申请号：CN202010650281.0

申请日：2020-07-06

Applicant: 安徽建筑大学

Inventor： 高翠云 ,  程秀秀 ,  唐欢欢 ,  刘亚如 ,  刘洁 ,  赵阳 ,  何晓红 ,  李艳秋

IPC: G06Q10/04 ,  G06Q50/06 ,  G06N3/08

Abstract: 本发明公开了一种考虑天气影响因素的GRNN光伏发电预测方法。该方法包括以下步骤：(1)采用温度和湿度的一次、二次及指数天气模型对GRNN网络输入神经元进行加权修正；(2)对每种天气类型所对应的数据根据灰色关联度的大小来选取单日或多日训练模型下的训练样本；(3)针对点预测和小时预测确定GRNN输入输出的神经元；(4)依次采取三种天气模型建模并进行模型训练，获得每种组合下的相对最小误差下的最优修正GRNN模型；(5)用上述训练好的最优修正GRNN模型来对测试样本进行预测，对同一种天气类型下的单日或多日训练模型，选择最小相对误差对应的天气模型及参数下的最优GRNN模型。本发明有助于实现光伏微电网的精准预测及经济发电。

公开(公告)号：CN111815051A

公开(公告)日：2020-10-23

申请号：CN202010650281.0

申请日：2020-07-06

Applicant: 安徽建筑大学

Inventor： 高翠云 ,  程秀秀 ,  唐欢欢 ,  刘亚如 ,  刘洁 ,  赵阳 ,  何晓红 ,  李艳秋

IPC: G06Q10/04 ,  G06Q50/06 ,  G06N3/08

Abstract: 本发明公开了一种考虑天气影响因素的GRNN光伏发电预测方法。该方法包括以下步骤：(1)采用温度和湿度的一次、二次及指数天气模型对GRNN网络输入神经元进行加权修正；(2)对每种天气类型所对应的数据根据灰色关联度的大小来选取单日或多日训练模型下的训练样本；(3)针对点预测和小时预测确定GRNN输入输出的神经元；(4)依次采取三种天气模型建模并进行模型训练，获得每种组合下的相对最小误差下的最优修正GRNN模型；(5)用上述训练好的最优修正GRNN模型来对测试样本进行预测，对同一种天气类型下的单日或多日训练模型，选择最小相对误差对应的天气模型及参数下的最优GRNN模型。本发明有助于实现光伏微电网的精准预测及经济发电。