[發明專利]用于微電網的光伏發電功率預測方法及預測系統

在審

• 申請號: 201810059323.6
• 申請日: 2018-01-22
• 公開（公告）號: CN108280547A
• 公開（公告）日: 2018-07-13
• 發明（設計）人: 魏吉敏;楊鴻波;陽衛偉;袁曉弈
• 申請（專利權）人: 長沙有色冶金設計研究院有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06
• 代理公司: 長沙永星專利商標事務所(普通合伙) 43001
• 代理人: 周詠;米中業

1.一種用于微電網的光伏發電功率預測方法，包括如下步驟：

S1.獲取光伏發電的歷史運行數據；

S2.對步驟S1獲取的歷史運行數據進行處理；

S3.根據步驟S2得到的處理后的數據，采用神經網絡建立用于微電網的光伏發電功率預測模型；

S4.針對步驟S3建立的神經網絡預測模型，選取若干組神經網絡輸入參數構成若干個神經網絡預測模型；

S5.計算步驟S4得到的各個神經網絡預測模型的性能參數，從而選取最佳性能參數所對應的神經網絡預測模型作為最終的預測模型；

S6.采用步驟S5得到的最終的預測模型對光伏發電功率進行預測。

2.根據權利要求1所述的用于微電網的光伏發電功率預測方法，其特征在于步驟S1所述的運行數據包括光伏發電功率、太陽輻照度、環境溫度、相對濕度、總云量和水平能見度。

3.根據權利要求2所述的用于微電網的光伏發電功率預測方法，其特征在于步驟S2所述的對數據進行處理，具體為對數據進行歸一化處理。

4.根據權利要求3所述的用于微電網的光伏發電功率預測方法，其特征在于步驟S3所述的采用神經網絡建立用于微電網的光伏發電功率預測模型，具體為采用RBF神經網絡建立用于微電網的光伏發電功率預測模型。

5.根據權利要求4所述的用于微電網的光伏發電功率預測方法，其特征在于所述的采用RBF神經網絡建立用于微電網的光伏發電功率預測模型，具體為采用如下公式建立預測模型：

式中為歸一化后的光伏發電功率；X(t-1)為光伏發電功率預測模型的狀態相依變量，B_k,t-1＝[b_1,k,t-1 b_2,k,t-1 b_3,k,t-1 b_4,k,t-1 b_5,k,t-1]，k為1～n_u的自然數；i為1～5的自然數；

U(t)＝[u₁(t) u₂(t) u₃(t) u₄(t) u₅(t)]^T；

且其中的φ(X(t-1))、均為模型的系數；u₁為太陽輻照度，u₂(t)為環境溫度，u₃為相對濕度，u₄為總云量，u₅為水平能見度，e(t)為白噪聲，n_u為RBF神經網絡的輸入對應的階次，h為RBF神經網絡的層數；c₀為φ(X(t-1))對應的偏移；c_m為φ(X(t-1))對應的連接權重；為b_i,k,t-1對應的偏移；為b_i,k,t-1對應的連接權重；z_m,1為RBF神經網絡中心1；z_m,2為神經網絡中心2；λ_m為縮放系數，c₀,c_m,z_m,1,z_m,2和λ_m均為光伏發電功率狀態相依模型的狀態參數。

6.根據權利要求5所述的用于微電網的光伏發電功率預測方法，其特征在于所述的光伏發電功率狀態相依模型的狀態參數，為采用非線性參數辨識方法進行辨識得到。

7.根據權利要求6所述的用于微電網的光伏發電功率預測方法，其特征在于所述的非線性參數辨識方法包括Levenberg-Marquardt算法、高斯-牛頓法和置信域算法。

8.根據權利要求7所述的用于微電網的光伏發電功率預測方法，其特征在于步驟S4所述的選取若干組神經網絡輸入參數，具體為選取若干組RBF神經網絡的輸入對應的階次n_u和若干組RBF神經網絡的層數h作為神經網絡輸入參數。