[發明專利]基于二次動態調整的神經網絡光伏功率預測模型及方法

有效

• 申請號: 201910615225.0
• 申請日: 2019-07-09
• 公開（公告）號: CN110309978B
• 公開（公告）日: 2022-07-22
• 發明（設計）人: 張騰飛;呂超鋒;岳東;竇春霞;唐平;丁孝華;羅劍波;楊楊;施濤
• 申請（專利權）人: 南京郵電大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;G06N3/04;G06N3/08
• 代理公司: 南京正聯知識產權代理有限公司 32243
• 代理人: 張玉紅

本發明公開了一種基于二次動態調整的神經網絡光伏功率預測模型及方法，預測模型基于資源分配神經網絡，用歷史數據離線訓練資源分配網絡學習規則，得到在線預測以及后臺二次動態調節的初始神經網絡預測模型；將初始預測模型投入實際光伏功率預測，以實時數據作為模型輸入，記錄預測結果偏差較大的樣本；誤差較大的預測結果再次出現時，將與緩沖區的數據進行匹配，若出現特征相似的輸入數據，則增加當前類型的輸入樣本支持度；具有相似特征的輸入樣本滿足出現支持度閾值時，啟用二次動態調節，調整預測模型的結構以學習該類樣本。本發明在解決神經網絡預測模型單一依賴離線訓練樣本問題的同時，使預測模型具備在線學習能力，更適應光伏功率的特性。

技術領域

本發明涉及光伏發電功率預測領域，尤其涉及一種基于二次動態調整的神經網絡光伏功率預測模型及方法。

背景技術

如今，太陽能光伏發電因其清潔、安全、便利、高效等特點，已成為世界各國普遍關注和重點發展的新興產業，也已成為新能源和可再生能源的重要組成部分，發展迅速。然而，光伏發電量與氣象條件緊密相關，具有不確定性和波動性。這使得控制光伏系統的輸出以及維持總發電量的供需平衡十分困難，極易影響電力系統的效率和可靠性。在這種情況下，光伏功率預測作為一種經濟可靠的解決方案得以提出。精確的光伏發電量預測能夠減少其波動性對電力系統的影響，增加光伏系統在電網結構中的集成度，控制電能質量，保證系統的穩定運行。

與其他各類預測模型和方法相比較，人工神經網絡(ANN)模型因其極強的學習和非線性逼近能力，而被廣泛應用于光伏功率預測。傳統的基于神經網絡的預測模型大多采用離線訓練的模式，這類模型單一地依賴訓練數據，而訓練數據只具有有限的特征覆蓋度，不具備代表性，不能包含光伏功率所有的特性。其次，實際光伏功率預測過程中會遇到各種各樣動態的變化，這與離線訓練過程完全不同，僅經過離線訓練的預測模型不能很好適應這類實際情況。除此以外，光伏發電系統本身也處于動態的變化過程中，系統中每個單一模塊的變化都會影響最終的功率輸出。這些問題都將影響預測模型的預測準確性，僅經過離線訓練的預測模型的預測效果將不斷下降。

發明內容

本發明針對現有的神經網絡光伏功率預測模型單一依賴訓練樣本特征，不具備在線學習能力，無法適應光伏功率動態變化特性的問題，提出了一種基于二次動態調整的神經網絡光伏功率預測模型及方法。

為實現上述目的，本發明提供如下技術方案：基于二次動態調整的神經網絡光伏功率預測模型，包括數據通信和處理模塊、數據存儲模塊、離線訓練模塊、在線預測學習模塊；數據通信和處理模塊通過采集外部數據，數據進行預處理，并將得到的預測結果后上傳至能量管理系統或區域調度系統；數據存儲模塊將采集到的數據存儲在數據庫中或以文本文件存儲；離線訓練模塊基于資源分配網絡學習規則，利用現有的樣本數據作為預測模型的輸入，依據學習規則，調整預測模型結構及參數，獲得可同時用于光伏功率在線預測以及后臺二次動態調節的初始神經網絡預測模型；在線預測學習模塊包括了：數據采集監測部分和結構調整部分；數據采集監測部分在初始預測模型投入實際預測應用后采集實際的輸入輸出數據，進一步對預測輸出和實際輸出進行比較；結構調整部分主要負責模型結構的二次動態調整，當數據采集監測部分發現當前數據滿足預設的調整策略條件時，對預測模型結構進行二次調整。

進一步，適用于上述基于二次動態調整的神經網絡光伏功率預測模擬的預測方法，還包括以下步驟：

S1、數據通信和處理模塊定時采集外部數據，并對數據進行預處理，并負責在得到預測結果后，將結果上傳至能量管理系統或區域調度系統，最后數據存儲模塊將采集的數據存儲在數據庫中或以文本文件存儲；

S2、離線訓練模塊根據資源分配網絡學習規則，用現有的訓練樣樣本獲得離線訓練預測模型，獲得可同時用于光伏功率在線預測以及后臺二次動態調節的初始光伏功率預測模型；

S3、將S2中獲得的初始預測模型投入實際功率預測應用，輸入實時數據并得到預測輸出；