针对小样本数据的神经网络光伏预测技术

简介：
本研究聚焦于开发适用于小样本数据集的高效神经网络模型，以提升光伏功率预测精度与可靠性，推动可再生能源领域技术创新。 在基于神经网络的短期光伏预测方法中，通常需要大量的训练样本数据。然而，在新投运的光伏电站中，由于历史运行数据不足，常规的方法难以应用。为了解决这一问题，提出了一种适用于小样本量情况下的双层神经网络单步光伏预测方法。 该方法利用光伏发电各环节影响因素的解耦特性，将传统的单一层次神经网络拆分为两个层次，并使每个层次具有简化结构；用单步预测代替多步骤预测方式来降低输入输出维度。此外，在模型中有效整合了天气的影响因素，通过统计分析进一步简化解映射关系。 实际数据的应用表明所提出的光伏预测模型能够有效地减少对训练样本数量的需求，同时保证较高的预测精度。