[發(fā)明專利]一種用于分布式光伏發(fā)電系統(tǒng)短期出力的預(yù)測(cè)方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201911057947.5
• 申請(qǐng)日: 2019-11-01
• 公開（公告）號(hào): CN111008728B
• 公開（公告）日: 2023-06-09
• 發(fā)明（設(shè)計(jì)）人: 程卓;曾偉東;楊文鋒;廖威;舒舟
• 申請(qǐng)（專利權(quán)）人: 深圳供電局有限公司
• 主分類號(hào): G06Q10/04
• 分類號(hào): G06Q10/04;G06N3/0442;G06N3/0464;G06N3/08;G06Q50/06
• 代理公司: 深圳匯智容達(dá)專利商標(biāo)事務(wù)所(普通合伙) 44238
• 代理人: 熊賢卿

1.一種用于分布式光伏發(fā)電系統(tǒng)短期出力的預(yù)測(cè)方法，其特征在于，包括如下步驟：

步驟S1：采集分布式光伏發(fā)電系統(tǒng)的歷史出力數(shù)據(jù)、大氣溫度數(shù)據(jù)以及太陽(yáng)輻照數(shù)據(jù)，并進(jìn)行數(shù)據(jù)歸一化預(yù)處理；

步驟S2：使用多模型單變量的預(yù)測(cè)方法，建立基于極限學(xué)習(xí)機(jī)的第一預(yù)測(cè)模型，進(jìn)行待測(cè)日的初步預(yù)測(cè)；

步驟S3：使用單模型多變量的預(yù)測(cè)方法，建立基于長(zhǎng)短期記憶深度學(xué)習(xí)網(wǎng)絡(luò)的第二預(yù)測(cè)模型，結(jié)合歷史數(shù)據(jù)對(duì)第一預(yù)測(cè)模型的結(jié)果進(jìn)行修正，并得到最終的光伏出力預(yù)測(cè)結(jié)果；

其中，所述步驟S2具體包括：

步驟S20，使用多模型單變量的預(yù)測(cè)方法建立第一預(yù)測(cè)模型；

其中，第一預(yù)測(cè)模型采用極限學(xué)習(xí)機(jī)進(jìn)行待測(cè)日光伏出力的初步預(yù)測(cè)，極限學(xué)習(xí)機(jī)是一種單隱含層前饋神經(jīng)網(wǎng)絡(luò)，包括輸入層、隱含層以及輸出層；

步驟S21，在第一預(yù)測(cè)模型中，建立樣本數(shù)為N的光伏出力數(shù)據(jù)集(t_i,X_i)，其中模型的輸出樣本為X_i＝[x_i1,x_i2,...,x_in]^T∈Rⁿ，具體為待測(cè)日第p(p＝1,2,…,M)時(shí)刻的光伏出力值；模型的輸入樣本為t_i＝[t_i1,t_i2,...,t_im]^T∈R^m，包含待測(cè)日前一天第p-1、p及p+1時(shí)刻的輸出功率值以及待測(cè)日當(dāng)天第p-1、p及p+1時(shí)刻的輻照強(qiáng)度值和溫度值；當(dāng)p＝1時(shí)，p-1時(shí)刻選取為前一天的最后一個(gè)時(shí)刻；當(dāng)p＝M時(shí)，p+1時(shí)刻選擇為當(dāng)天的第一個(gè)時(shí)刻；

對(duì)于一個(gè)有L個(gè)隱層節(jié)點(diǎn)的ELM網(wǎng)絡(luò)，其第j個(gè)樣本對(duì)應(yīng)的模型擬合輸出，即待測(cè)日第j時(shí)刻的出力預(yù)測(cè)值o_j表示為：

其中，g(·)為激活函數(shù)，W_i＝[w_i,1,w_i,2,...,w_i,n]^T為輸入權(quán)重，β_i為輸出權(quán)重，b_i是第i個(gè)隱層單元的偏置，W_i·X_j為W_i和X_j的內(nèi)積；

模型訓(xùn)練過程的目標(biāo)是使得輸出誤差最小，即：

即計(jì)算β_i、W_i和b_i，使得

使用矩陣的形式表示為：

Hβ＝T?????????????????????????????(4)

其中，H是隱含層節(jié)點(diǎn)的輸出，β為輸出權(quán)重，T為期望輸出，有：

通過對(duì)H和β迭代尋優(yōu)，實(shí)現(xiàn)第一預(yù)測(cè)模型的訓(xùn)練過程，目標(biāo)使網(wǎng)絡(luò)對(duì)訓(xùn)練樣本的擬合誤差最小，其最小化損失函數(shù)為：

在極限學(xué)習(xí)機(jī)算法中，將第一預(yù)測(cè)模型的訓(xùn)練將轉(zhuǎn)化為求解一個(gè)線性系統(tǒng)Hβ＝T解，并且通過下式確定輸出權(quán)重

其中，H⁺是矩陣H的Moore-Penrose廣義逆矩陣；

步驟S22，對(duì)于待測(cè)日的每一個(gè)時(shí)刻，重復(fù)上述步驟S21，得到待測(cè)日所有時(shí)刻的光伏出力預(yù)測(cè)值；

其中，所述步驟S3具體包括：

步驟S30，使用單模型多變量的預(yù)測(cè)方法建立第二預(yù)測(cè)模型；

其中，第二預(yù)測(cè)模型采用長(zhǎng)短期記憶網(wǎng)絡(luò)對(duì)第一預(yù)測(cè)模型的預(yù)測(cè)結(jié)果進(jìn)行修正并得到最終的預(yù)測(cè)結(jié)果，其中，所述長(zhǎng)短期記憶包含輸入層、輸出層和隱藏層，隱藏層包括由具有獨(dú)特記憶模式的長(zhǎng)短期記憶單元構(gòu)成的長(zhǎng)短期記憶層和以relu函數(shù)為激活函數(shù)的全連接層；

在所述第二預(yù)測(cè)模型中，所述長(zhǎng)短期記憶單元有三個(gè)門結(jié)構(gòu)，即輸入門、遺忘門和輸出門，和記憶單元，輸入門接受輸入信息并根據(jù)條件更新記憶單元狀態(tài)，遺忘門根據(jù)特定條件決定丟棄的信息，輸出門根據(jù)輸入信息和記憶單元決定要輸出的內(nèi)容；每一個(gè)時(shí)刻，長(zhǎng)短期記憶單元通過三個(gè)門接受當(dāng)前狀態(tài)和上一時(shí)刻的隱藏狀態(tài)，同時(shí)接收上一時(shí)刻記憶單元的狀態(tài)，通過計(jì)算得到新的記憶單元的狀態(tài)，最后通過激活函數(shù)和輸出門輸出；

各變量之間的計(jì)算公式如下：

輸入門的輸出值：i_t＝σ(W_xix_t+W_hih_t-1+W_cic_t-1+b_i)；

遺忘門的輸出值：f_t＝σ(W_xfx_t+W_hfh_t-1+W_cfc_t-1+b_f)；

輸出門的輸出值：o_t＝σ(W_xox_t+W_hoh_t-1+W_coc_t+b_o)；

當(dāng)前時(shí)刻記憶單元的狀態(tài)：c(t)＝f_tc_t-1+i_ttanh(W_xcx_t+W_hch_t-1+b_c)；

LSTM單元的輸出：h_t＝o_ttanh(c_t)；

其中，W_xf、W_hf、W_cf、W_xi、W_hi、W_ci、W_xc、W_hc、W_xo、W_ho、W_co為權(quán)重矩陣；b_i、b_c、b_f、b_o為偏置參數(shù)；σ為激活函數(shù)，其為relu或sigmoid函數(shù)；

步驟S31，在所述第二預(yù)測(cè)模型中，以第一預(yù)測(cè)模型的初步預(yù)測(cè)值作為輸入樣本；則通過其輸出樣本獲得待測(cè)日所有M個(gè)時(shí)刻的光伏出力最終預(yù)測(cè)值。