[發(fā)明專利]一種基于elman神經(jīng)網(wǎng)絡(luò)的光伏發(fā)電系統(tǒng)功率預(yù)測(cè)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201410462330.2
• 申請(qǐng)日: 2014-09-11
• 公開（公告）號(hào): CN104268638A
• 公開（公告）日: 2015-01-07
• 發(fā)明（設(shè)計(jì)）人: 楊林;呂洲;高福榮;姚科
• 申請(qǐng)（專利權(quán)）人: 廣州市香港科大霍英東研究院
• 主分類號(hào): G06Q10/04
• 分類號(hào): G06Q10/04;G06Q50/06;G06N3/02
• 代理公司: 廣州嘉權(quán)專利商標(biāo)事務(wù)所有限公司 44205
• 代理人: 譚英強(qiáng)

技術(shù)領(lǐng)域

本發(fā)明涉及光伏發(fā)電領(lǐng)域，尤其是一種基于elman神經(jīng)網(wǎng)絡(luò)的光伏發(fā)電系統(tǒng)功率預(yù)測(cè)方法。

背景技術(shù)

可再生能源發(fā)電是較為高效和清潔的可再生能源利用方式，也是目前可再生能源使用技術(shù)中最成熟、最具有規(guī)模化開發(fā)條件和商業(yè)化發(fā)展前景的方式之一。而光伏發(fā)電則是可再生能源的主要利用方式，是智能電網(wǎng)的主要組成部分。而短期發(fā)電功率的預(yù)測(cè)則是光伏發(fā)電是否能成功推廣的關(guān)鍵，也是電力調(diào)度部門制定電力調(diào)度計(jì)劃的依據(jù)，更是家庭或企業(yè)等自建光伏發(fā)電系統(tǒng)效益的重要保障。

而目前所有短期太陽(yáng)能光伏發(fā)電預(yù)測(cè)方法都是基于相同的思路：首先利用數(shù)學(xué)和物理學(xué)理論及相關(guān)數(shù)據(jù)建立預(yù)測(cè)公式或模型，再通過預(yù)測(cè)公式或模型對(duì)光伏電站發(fā)電量進(jìn)行預(yù)測(cè)。根據(jù)所采用的數(shù)學(xué)物理理論及其預(yù)測(cè)輸出量，光伏發(fā)電預(yù)測(cè)方法可分為兩大類：（1）直接預(yù)測(cè)光電系統(tǒng)輸出功率的直接預(yù)測(cè)法（又叫統(tǒng)計(jì)法）；（2）首先對(duì)太陽(yáng)輻射進(jìn)行預(yù)測(cè)，然后根據(jù)光電轉(zhuǎn)換效率得到光電輸出功率的間接預(yù)測(cè)法（又叫物理法）。

基于統(tǒng)計(jì)法的預(yù)測(cè)方法有概率法、時(shí)間序列法和人工智能法等方法，其優(yōu)點(diǎn)是程序簡(jiǎn)明，對(duì)光伏電站位置及電力轉(zhuǎn)換參數(shù)沒有要求；缺點(diǎn)是沒有考慮影響光伏發(fā)電的環(huán)境因素，需要大量的光伏電站歷史運(yùn)行數(shù)據(jù)來(lái)保證預(yù)報(bào)結(jié)果的精確度，且容易因環(huán)境的變化而導(dǎo)致預(yù)測(cè)精度的波動(dòng)性過大。基于物理法的預(yù)測(cè)方法主要是以光伏發(fā)電系統(tǒng)物理發(fā)電原理為基礎(chǔ)。其優(yōu)點(diǎn)是不需要?dú)v史運(yùn)行數(shù)據(jù)，光伏電站建成之后就可以直接進(jìn)行預(yù)測(cè)；缺點(diǎn)是需要光伏電站詳細(xì)地形圖、發(fā)電站坐標(biāo)、光伏電站功率曲線及其他相關(guān)光電轉(zhuǎn)換參數(shù)等數(shù)據(jù)。

目前業(yè)內(nèi)應(yīng)用較為廣泛的是基于BP神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)方法（人工智能法的一種），但是，基于BP神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)方法仍存在以下缺陷：

（1）僅有前饋而無(wú)反饋，對(duì)歷史數(shù)據(jù)的敏感性過差，容易導(dǎo)致已記憶的學(xué)習(xí)模式的信息消失，不夠穩(wěn)定；

（2）處理動(dòng)態(tài)信息能力過弱，無(wú)法直接動(dòng)態(tài)反映動(dòng)態(tài)過程中光伏發(fā)電系統(tǒng)的特性，不具備適應(yīng)時(shí)變特性的能力，且預(yù)測(cè)精度的波動(dòng)性較大。

發(fā)明內(nèi)容

為了解決上述技術(shù)問題，本發(fā)明的目的是：提供一種穩(wěn)定、具有適應(yīng)時(shí)變特性能力和預(yù)測(cè)精度高的，基于elman神經(jīng)網(wǎng)絡(luò)的光伏發(fā)電系統(tǒng)功率預(yù)測(cè)方法。

本發(fā)明解決其技術(shù)問題所采用的技術(shù)方案是：

一種基于elman神經(jīng)網(wǎng)絡(luò)的光伏發(fā)電系統(tǒng)功率預(yù)測(cè)方法，包括：

A、獲取在相關(guān)地區(qū)光伏發(fā)電設(shè)備的發(fā)電功率歷史數(shù)據(jù)及相應(yīng)的歷史天氣參數(shù)信息；

B、確定神經(jīng)網(wǎng)絡(luò)的輸入和輸出數(shù)據(jù)，并確定最優(yōu)的隱含層神經(jīng)元個(gè)數(shù)，從而建立基于elman的神經(jīng)網(wǎng)絡(luò)，所述基于elman的神經(jīng)網(wǎng)絡(luò)包括輸入層、隱含層、承接層和輸出層，所述承接層用于記憶隱含層前一時(shí)刻的輸出值并將該輸出值返回給隱含層的輸入；

C、對(duì)發(fā)電功率歷史數(shù)據(jù)及歷史天氣參數(shù)信息進(jìn)行歸一化處理，然后根據(jù)歸一化處理后的數(shù)據(jù)對(duì)建立的神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，從而將基于elman的神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)誤差控制在預(yù)設(shè)的范圍內(nèi)；

D、以預(yù)測(cè)日前一周的發(fā)電功率歷史數(shù)據(jù)和預(yù)測(cè)日的天氣參數(shù)數(shù)據(jù)作為輸入，采用訓(xùn)練后的神經(jīng)網(wǎng)絡(luò)對(duì)預(yù)測(cè)日的發(fā)電功率進(jìn)行預(yù)測(cè)。

進(jìn)一步，所述預(yù)設(shè)的范圍為5%-10%。

進(jìn)一步，所述發(fā)電功率歷史數(shù)據(jù)包括每小時(shí)發(fā)電功率和有效發(fā)電時(shí)間段，所述歷史天氣參數(shù)信息包括氣溫、氣壓、風(fēng)向、風(fēng)速、云量、雨量、日照時(shí)間和天氣類型。

進(jìn)一步，所述步驟B，其包括：

B1、統(tǒng)計(jì)獲取的發(fā)電功率歷史數(shù)據(jù)和歷史天氣參數(shù)信息，以一日的實(shí)際發(fā)電功率作為神經(jīng)網(wǎng)絡(luò)的輸出數(shù)據(jù)，以該日前一周在有效時(shí)間段f內(nèi)的每小時(shí)發(fā)電功率W和該日的天氣參數(shù)數(shù)據(jù)作為神經(jīng)網(wǎng)絡(luò)的輸入數(shù)據(jù)；

B2、對(duì)elman神經(jīng)網(wǎng)絡(luò)進(jìn)行初始化，根據(jù)輸入輸出序列確定輸入結(jié)點(diǎn)單元向量、隱含層結(jié)點(diǎn)單元向量、反饋狀態(tài)向量和輸出結(jié)點(diǎn)向量，從而建立起基于elman的神經(jīng)網(wǎng)絡(luò)訓(xùn)練模型，其中，隱含層的節(jié)點(diǎn)數(shù)通過逐漸遞增試湊法得出。

進(jìn)一步，所述elman神經(jīng)網(wǎng)絡(luò)的非線性狀態(tài)空間表達(dá)式為：

，

其中，y為m維輸出結(jié)點(diǎn)向量；l為n維隱含層結(jié)點(diǎn)單元向量；x為u維輸入向量；c為n維反饋狀態(tài)向量；w³為隱含層到輸出層連接權(quán)值；w²為輸入層到隱含層連接權(quán)值；w¹為承接層到隱含層的連接權(quán)值；g（*）為輸出神經(jīng)元的傳遞函數(shù)；f（*）為隱含層神經(jīng)元的傳遞函數(shù)。

進(jìn)一步，所述步驟C，其包括：