基于FFT动态特征变换的漂浮式光伏阵列积灰预测方法

本发明公开了一种基于FFT动态特征变换的漂浮式光伏阵列积灰预测方法，在陆地光伏阵列积灰预测的基础上，提出了一种海洋光伏动态变化的特性，引入功率周期内积分、短路电流FFT值、最大功率点电压FFT值、最大功率点电流FFT值、最大功率点功率FFT值和一个周期内最大功率值和最小功率值以及两者的差值作为特征量，并将其作为ICPO‑BP神经网络的输入，改善了海洋上由于光伏摇摆不定导致的漂浮式光伏阵列积灰预测的收敛速度慢、搜索时间长、泛化能力不佳等问题。在MATLAB/Simulink里搭建仿真模型并运行获得样本数据，利用神经网络算法进行输入输出数据的训练，实现漂浮式光伏阵列积灰的回归预测，从而根据预测结果合理安排清洁计划，降低维护成本，提高发电效率。