[發明專利]基于BP神經網絡模型的CSP輻射與熱能預測方法

有效

• 申請號: 201410180819.0
• 申請日: 2014-04-30
• 公開（公告）號: CN103955768B
• 公開（公告）日: 2017-09-12
• 發明（設計）人: 秦初升;李才永
• 申請（專利權）人: 河北省電力勘測設計研究院
• 主分類號: G06F17/00
• 分類號: G06F17/00;G06N3/08;G06Q10/04;G06Q50/06
• 代理公司: 石家莊眾志華清知識產權事務所(特殊普通合伙)13123
• 代理人: 付會平

1.基于BP神經網絡模型的CSP輻射與熱能預測方法，其特征在于具體包括以下步驟：

A. 根據CSP輻射與熱能預測系統的影響因素和所需預測數據確定輸入向量和輸出向量：輸入向量為經過預處理剔除奇異數值的太陽輻射強度、大氣透明度、云量、鏡面反射效率、鏡面清潔度、鏡面位置以及鏡面角度，輸出向量為CSP輻射預測值與熱能預測值；

B.根據輸入向量、輸出向量構造符合CSP輻射與熱能預測的BP神經網絡模型，并根據實際預測精度要求，設定誤差閾值；該步驟的具體過程為，

a）根據輸入向量的維數確定BP神經網絡的輸入層神經元數量為7；

b）根據輸出向量的維數確定BP神經網絡的輸出層神經元數量為2；

c）根據輸入層和輸出層的神經元數量確定BP神經網絡的中間層神經元數量；

d）根據實際預測精度要求，設定誤差閾值；

C.以所選取的影響因素的歷史數據生成輸入向量，以所對應時刻的輻射值與熱能值的歷史數據作為期望輸出向量，得到訓練樣本；將所述輸入向量輸入所構造的BP神經網絡模型得到實際輸出向量，即為輻射與熱能的預測值；以輻射預測值與輻射期望值的均方根誤差、熱能預測值與熱能期望值的均方根誤差作為BP神經網絡誤差反向傳播算法的輸入數據對BP神經網絡模型進行循環往復訓練，直至輸出的預測值與期望值之間的誤差小于設定閾值，得到訓練后的BP神經網絡模型；

D.根據所選取的影響因素的待預測時刻的實際數據生成測試輸入向量，將測試輸入向量輸入訓練后的BP神經網絡模型，其輸出即為待預測時刻的CSP輻射值與熱能值。

2.根據權利要求1所述的基于BP神經網絡模型的CSP輻射與熱能預測方法，其特征在于：步驟D中的輸入向量為已經過預處理的理論太陽輻射強度、大氣透明度、云量、鏡面反射效率、鏡面清潔度、鏡面位置以及鏡面角度。