[發(fā)明專利]基于相似日的BP神經(jīng)網(wǎng)絡(luò)光伏發(fā)電系統(tǒng)功率預(yù)測(cè)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201610165327.3
• 申請(qǐng)日: 2016-03-22
• 公開（公告）號(hào): CN105631558A
• 公開（公告）日: 2016-06-01
• 發(fā)明（設(shè)計(jì)）人: 吳琳;陳春;王丙文;郭劍虹;吳爽;黃素娟;吳婧妤;付明;賈瑋;侍必勝;祝進(jìn)
• 申請(qǐng)（專利權(quán)）人: 國(guó)家電網(wǎng)公司;國(guó)電南瑞科技股份有限公司;國(guó)網(wǎng)江蘇省電力公司;國(guó)電南瑞南京控制系統(tǒng)有限公司;南京南瑞集團(tuán)公司;國(guó)網(wǎng)江蘇省電力公司電力科學(xué)研究院
• 主分類號(hào): G06Q10/04
• 分類號(hào): G06Q10/04;G06Q50/06
• 代理公司: 南京縱橫知識(shí)產(chǎn)權(quán)代理有限公司 32224
• 代理人: 董建林

1.基于相似日的BP神經(jīng)網(wǎng)絡(luò)光伏發(fā)電系統(tǒng)功率預(yù)測(cè)方法，其特征在于，包 括如下步驟：

步驟一：選取氣象影響因素，對(duì)天氣類型編碼：將模糊描述的天氣類型映 射為天氣類型指數(shù)，量化天氣因素對(duì)光伏發(fā)電功率的影響；

步驟二：計(jì)算歷史日與預(yù)測(cè)日的天氣相似度：構(gòu)造天氣類型特征向量，并 對(duì)特征向量各分量進(jìn)行歸一化處理，并采用連乘方式定義并計(jì)算相似度；

步驟三：選取相似日：選取與預(yù)測(cè)日相似度最大的20～50個(gè)歷史日構(gòu)成相 似歷史日訓(xùn)練樣本集；

步驟四：構(gòu)建BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型：將相似歷史日的光伏發(fā)電功率數(shù)據(jù)與 天氣類型指數(shù)作為模型輸入量，設(shè)計(jì)一種雙隱層BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型；

步驟五：訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型：根據(jù)相似歷史日訓(xùn)練樣本集給出BP 神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型的輸入量和理論目標(biāo)輸出，對(duì)BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型的連接權(quán) 值進(jìn)行不斷修正；

步驟六：光伏發(fā)電功率預(yù)測(cè)與評(píng)估：訓(xùn)練完成后利用相似度最高的歷史日 發(fā)電量數(shù)據(jù)作為BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型的輸出，計(jì)算網(wǎng)絡(luò)輸出光伏發(fā)電功率，并 與理論目標(biāo)輸出光伏發(fā)電功率相比較，評(píng)估預(yù)測(cè)精度。

2.根據(jù)權(quán)利要求1所述的基于相似日的BP神經(jīng)網(wǎng)絡(luò)光伏發(fā)電系統(tǒng)功率預(yù)測(cè) 方法，其特征在于，所述天氣類型編碼的具體方法為：

步驟101：選取太陽輻照強(qiáng)度和溫度作為影響光伏發(fā)電功率的天氣因素；

步驟102：根據(jù)單位面積的光伏發(fā)電系統(tǒng)發(fā)電功率計(jì)算公式：

P_s＝ηSI(1-0.005(T₀+25))

式中，I為太陽輻照強(qiáng)度，單位為kW/m²；η為光伏系統(tǒng)轉(zhuǎn)換效率；T₀為環(huán)境溫 度，單位為℃；S為光伏陣列的面積，單位為m²，對(duì)有效的光伏發(fā)電系統(tǒng)歷史發(fā) 電功率進(jìn)行統(tǒng)計(jì)分析，將模糊描述的天氣類型轉(zhuǎn)換為0～1之間可被BP神經(jīng)網(wǎng)絡(luò) 預(yù)測(cè)模型所接受的天氣類型指數(shù)。

3.根據(jù)權(quán)利要求1所述的基于相似日的BP神經(jīng)網(wǎng)絡(luò)光伏發(fā)電系統(tǒng)功率預(yù)測(cè) 方法，其特征在于，計(jì)算歷史日與預(yù)測(cè)日的天氣相似度的具體方法為：

步驟201：構(gòu)造天氣類型特征向量：

Y＝[T_maxT_minw]

式中，T_max為最高溫、T_min為最低溫、w為天氣類型指數(shù)；

步驟202：采用“極差法”進(jìn)行歸一化，公式如下：

xi(j)=yi(j)-m(j)M(j)-m(j)]]>

式中，y_i(j)是第i日的第j分量；m(j)和M(j)分別為第j個(gè)分量的最小值和最 大值，j＝1,2,3；

歸一化后基準(zhǔn)日和第j日的特征向量分別為：

x₀＝[x₀(1),x₀(2),x₀(3)]^T

x_j＝[x_j(1),x_j(2),x_j(3)]^T

步驟203：計(jì)算x₀和x_j在第k個(gè)因素的關(guān)聯(lián)系數(shù)：

ϵj(k)=minjmink|x0(k)-xj(k)|+ρmaxjmaxk|x0(k)-xj(k)||x0(k)-xj(k)|+ρmaxjmaxk|x0(k)-xj(k)|]]>

式中，ρ是分辨系數(shù)；

步驟204：綜合各影響因素的關(guān)聯(lián)系數(shù)，采用連乘方式定義并計(jì)算x₀和x_j的相 似度：

Fj=Πk=13ϵj(k).]]>