[發明專利]一種微電網功率預測方法

在審

• 申請號: 201610554504.7
• 申請日: 2016-07-14
• 公開（公告）號: CN107622319A
• 公開（公告）日: 2018-01-23
• 發明（設計）人: 葉一枝;歐陽麗;朱長東;章筠;徐俊;陳鋒;劉家樂;陳瑞杰;楊杰;呂楠
• 申請（專利權）人: 上海電氣分布式能源科技有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;G06N3/04;G06N3/08;G06N3/12
• 代理公司: 上海容慧專利代理事務所(普通合伙)31287
• 代理人: 于曉菁

1.一種微電網功率預測方法，微電網包括發電單元，所述微電網用于向負載供電，其特征在于，所述微電網功率預測方法包括以下步驟：

(1)結合遺傳算法與BP神經網絡算法，對功率預測模型進行訓練；

(2)采用經訓練的功率預測模型，進行功率預測；

(3)將功率預測結果保存并傳送到調度模塊。

2.如權利要求1所述的微電網功率預測方法，其特征在于，步驟(1)之前還包括以下步驟：

(11)建立功率預測模型，確定BP神經網絡的結構。

3.如權利要求2所述的微電網功率預測方法，其特征在于，步驟(1)結合遺傳算法與BP神經網絡算法，對功率預測模型進行訓練，包括以下步驟：

(12)BP神經網絡的結構的權值矩陣的權值與閾值的初始值，按順序排列為染色體，采用實數編碼進行編碼；

(13)以功率預測模型的功率預測輸出和期望功率輸出之間的誤差的絕對值的和作為適應度函數；

(14)確定控制參數，控制參數包括交叉概率、變異概率以及遺傳算法終止條件；

(15)采用遺傳算法，獲得優化的權值矩陣的權值與閾值的初始值；

(16)采用步驟(15)獲得的權值與閾值的初始值，訓練功率預測模型。

4.如權利要求3所述的微電網功率預測方法，其特征在于，步驟(15)采用遺傳算法，獲得優化的權值矩陣的權值與閾值的初始值包括以下步驟：

(151)執行遺傳算子；

(152)根據適應度函數，計算每個染色體的適應度的值；

(153)是否滿足遺傳算法終止條件，如果滿足，選擇適應度的值最大的染色體，作為權值與閾值的最優值，否則執行步驟(151)。

5.如權利要求4所述的微電網功率預測方法，其特征在于，步驟(151)執行遺傳算子包括以下步驟：

(1511)運用選擇算子進行選擇操作，從上一代種群中選擇適應度高的染色體；

(1512)將選擇的兩個適應度高的染色體作為母體，根據設置的交叉概率，運用交叉算子進行交叉操作；

(1513)根據變異概率進行變異操作。

6.如權利要求1所述的微電網功率預測方法，其特征在于，步驟(16)采用步驟(15)獲得的權值與閾值的初始值，訓練功率預測模型，還包括以下步驟：

(161)從微電網的歷史數據中篩選訓練樣本；

(162)功率預測模型的BP神經網絡結構的權值矩陣與閾值，設置為步驟(15)獲得的權值與閾值的初始值；

(163)對于每一個訓練樣本，計算功率預測模型的預測輸出和期望輸出之間的誤差；

(164)根據所述誤差，更新功率預測模型的BP神經網絡結構的權值矩陣的權值與閾值；

(165)如果滿足訓練結束條件，結束對功率預測模型的訓練；如果不滿足結束條件，執行步驟(163)。

7.如權利要求4所述的微電網功率預測方法，其特征在于，步驟(161)從歷史數據中篩選訓練樣本，包括以下步驟：

(1611)根據預測時段的天氣類型和/或負載類型，篩選訓練樣本。

8.如權利要求7所述的微電網功率預測方法，其特征在于，步驟(1611)中的天氣類型根據預測時段的天氣預測信息獲得。

9.如權利要求7所述的微電網功率預測方法，其特征在于，步驟(1611)之后還包括以下步驟：

(1612)對篩選出的訓練樣本進行預處理。

10.如權利要求1所述的微電網功率預測方法，其特征在于，功率預測模型包括每一種發電單元功率預測模型與負載功率預測模型。