[發(fā)明專(zhuān)利]基于長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)的短期光伏發(fā)電量預(yù)測(cè)方法

在審

• 申請(qǐng)?zhí)枺?/td>: 201811165643.6
• 申請(qǐng)日: 2018-10-08
• 公開(kāi)（公告）號(hào): CN109284870A
• 公開(kāi)（公告）日: 2019-01-29
• 發(fā)明（設(shè)計(jì)）人: 余運(yùn)俊;曹駿飛
• 申請(qǐng)（專(zhuān)利權(quán)）人: 南昌大學(xué)
• 主分類(lèi)號(hào): G06Q10/04
• 分類(lèi)號(hào): G06Q10/04;G06Q50/06;G06N3/02
• 代理公司: 南昌新天下專(zhuān)利商標(biāo)代理有限公司 36115
• 代理人: 施秀瑾

一種基于長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)的短期光伏發(fā)電量預(yù)測(cè)方法，利用長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)(LSTMNN)預(yù)測(cè)太陽(yáng)輻射量間接計(jì)算出光伏發(fā)電量，包括以下步驟：獲取相關(guān)地區(qū)光伏系統(tǒng)所接收的太陽(yáng)輻射量數(shù)據(jù)及相應(yīng)的歷史氣象數(shù)據(jù)信息；將獲取的數(shù)據(jù)歸一化處理，分為測(cè)試樣本和訓(xùn)練樣本兩部分，建立LSTMNN進(jìn)行訓(xùn)練；以預(yù)測(cè)日之前30天的光伏數(shù)據(jù)作為輸入數(shù)據(jù)，預(yù)測(cè)當(dāng)日的太陽(yáng)輻射量；將預(yù)測(cè)結(jié)果反歸一化處理即可得到當(dāng)日的太陽(yáng)輻射量數(shù)據(jù)。本發(fā)明建立的預(yù)測(cè)模型能夠保存較長(zhǎng)時(shí)間太陽(yáng)輻射量序列所包含的季節(jié)性、波動(dòng)性和趨勢(shì)性的信息，克服傳統(tǒng)遞歸神經(jīng)網(wǎng)絡(luò)訓(xùn)練過(guò)程中梯度消失(爆炸)的問(wèn)題，進(jìn)一步提高了預(yù)測(cè)精度。

技術(shù)領(lǐng)域

本發(fā)明屬于光伏發(fā)電技術(shù)領(lǐng)域。

背景技術(shù)

光伏系統(tǒng)受天氣狀況、晝夜交替以及季節(jié)變化的影響，具有間歇性、隨機(jī)性和波動(dòng)性的特點(diǎn)，在大規(guī)模并入電網(wǎng)時(shí)將給電力系統(tǒng)的生產(chǎn)和運(yùn)行帶來(lái)極大的挑戰(zhàn)，因此迫切需要開(kāi)展針對(duì)光伏發(fā)電預(yù)測(cè)技術(shù)的研究。根據(jù)光伏發(fā)電的預(yù)測(cè)結(jié)果，調(diào)度運(yùn)行人員可以及時(shí)采取應(yīng)對(duì)措施，調(diào)整和優(yōu)化發(fā)電計(jì)劃，合理安排系統(tǒng)使用，改善電網(wǎng)調(diào)峰能力；能夠合理安排光伏電站檢修計(jì)劃，減少棄光,提高新能源企業(yè)的盈利能力。

影響光伏發(fā)電的因素有很多，例如光伏組件的規(guī)格型號(hào)、光伏陣列的安裝排布等，這些電氣特性固定下來(lái)后，光伏輸出主要取決于氣象因素，其中，光伏組件表面接收到的太陽(yáng)輻射量是影響光伏發(fā)電的直接因素。因而，通過(guò)對(duì)太陽(yáng)輻射量進(jìn)行預(yù)測(cè)，間接計(jì)算出光伏系統(tǒng)輸出功率的方法，就可以達(dá)到提高光伏系統(tǒng)合理配電能力的目的。

為了提高太陽(yáng)輻射量的預(yù)測(cè)精度，近年來(lái)提出了不少預(yù)測(cè)方法，主要有：時(shí)間序列、線(xiàn)性回歸模型、貝葉斯網(wǎng)絡(luò)、支持向量機(jī)以及神經(jīng)網(wǎng)絡(luò)。由于神經(jīng)網(wǎng)絡(luò)有很強(qiáng)的非線(xiàn)性擬合能力，可映射任意復(fù)雜的非線(xiàn)性關(guān)系，而且學(xué)習(xí)規(guī)則簡(jiǎn)單，便于計(jì)算機(jī)實(shí)現(xiàn)，所以本文采用神經(jīng)網(wǎng)絡(luò)的方法進(jìn)行太陽(yáng)輻射量的預(yù)測(cè)。遞歸神經(jīng)網(wǎng)絡(luò)(Recurrent Neural Network,RNN)是用于時(shí)間序列數(shù)據(jù)預(yù)測(cè)的好工具，因?yàn)槠浣Y(jié)構(gòu)簡(jiǎn)單，具有記憶功能和適應(yīng)時(shí)變特性被常用于太陽(yáng)輻射量的預(yù)測(cè)。然而隨著天氣情況變化復(fù)雜，太陽(yáng)輻射數(shù)據(jù)的波動(dòng)性變大，RNN在訓(xùn)練過(guò)程中可能出現(xiàn)梯度爆炸或者梯度消失的問(wèn)題，導(dǎo)致預(yù)測(cè)結(jié)果陷入局部最優(yōu)解。

發(fā)明內(nèi)容

本發(fā)明的目的是提出一種基于長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)(Long Short-Term MemoryNeural Network,LSTMNN)的短期發(fā)電量預(yù)測(cè)方法，利用合理的氣象數(shù)據(jù)對(duì)隔日的每個(gè)小時(shí)輻射量進(jìn)行預(yù)測(cè)，能避免網(wǎng)絡(luò)訓(xùn)練過(guò)程中出現(xiàn)梯度爆炸或者梯度消失的問(wèn)題，解決太陽(yáng)輻射量在復(fù)雜天氣狀況下的預(yù)測(cè)難題，提高預(yù)測(cè)精度。

本發(fā)明是通過(guò)以下技術(shù)方案實(shí)現(xiàn)的。

本發(fā)明所述的基于長(zhǎng)短期記憶神經(jīng)網(wǎng)絡(luò)的短期光伏發(fā)電量預(yù)測(cè)方法，包括以下步驟：

(1)獲取相關(guān)地區(qū)光伏系統(tǒng)所接收的太陽(yáng)輻射量數(shù)據(jù)及相應(yīng)的歷史氣象數(shù)據(jù)信息，分析并選取影響光伏系統(tǒng)發(fā)電量的氣象因素。由于晝夜交替的影響，為減小光伏系統(tǒng)的間歇性對(duì)預(yù)測(cè)的影響，只需預(yù)測(cè)每天5:00-18:00各整點(diǎn)時(shí)刻的太陽(yáng)輻射量。所需要獲取的歷史氣象數(shù)據(jù)信息包括：每天5:00-18:00各整點(diǎn)時(shí)刻的溫度、濕度、風(fēng)速、太陽(yáng)高度角以及天氣狀況，其中天氣狀況包括晴天、雨天、陰天。