[發(fā)明專利]一種光伏發(fā)電功率短期預(yù)測方法及裝置

在審

• 申請?zhí)枺?/td>: 202010761333.1
• 申請日: 2020-07-31
• 公開（公告）號: CN111898825A
• 公開（公告）日: 2020-11-06
• 發(fā)明（設(shè)計）人: 朱想;郭力;師浩琪;趙宗政;柴園園;劉一欣
• 申請（專利權(quán)）人: 天津大學(xué)
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;G06Q10/06;G06N3/04
• 代理公司: 天津市北洋有限責(zé)任專利代理事務(wù)所 12201
• 代理人: 韓帥

本發(fā)明公開了一種光伏發(fā)電功率短期預(yù)測方法及裝置，包括數(shù)據(jù)輸入輸出及處理模塊、模型參數(shù)優(yōu)化模塊和預(yù)測模型訓(xùn)練及應(yīng)用模塊。其中數(shù)據(jù)輸入輸出及處理模塊包括原始數(shù)據(jù)歸一化和預(yù)測結(jié)果反歸一化單元、GA編碼單元和GA適應(yīng)度函數(shù)計算單元；模型參數(shù)優(yōu)化模塊包括RBM初始參數(shù)優(yōu)化單元和RBM模型訓(xùn)練與NARX參數(shù)初始化單元；預(yù)測模型訓(xùn)練及應(yīng)用模塊即NARX神經(jīng)網(wǎng)絡(luò)訓(xùn)練及應(yīng)用單元。

技術(shù)領(lǐng)域

本發(fā)明屬于光伏發(fā)電領(lǐng)域，尤其涉及一種基于改進NARX神經(jīng)網(wǎng)絡(luò)算法的分布式光伏發(fā)電功率短期預(yù)測方法及裝置。

背景技術(shù)

光伏發(fā)電系統(tǒng)受環(huán)境影響較為明顯，具體表現(xiàn)在波動性、不確定性和間歇性，由于環(huán)境的變化會直接影響到光伏發(fā)電功率的多少，從而降低了光伏發(fā)電功率的預(yù)測精度。因此，建立行之有效的光伏發(fā)電功率短期預(yù)測模型對電網(wǎng)的安全調(diào)度和經(jīng)濟管理具有重要的意義。

迄今為止，學(xué)者們對光伏發(fā)電功率預(yù)測進行了不同層次的研究，其研究方法主要包括兩種：統(tǒng)計預(yù)測方法和人工智能預(yù)測方法。在統(tǒng)計預(yù)測方法方面，建立多元線性回歸預(yù)測算法進行光伏發(fā)電功率預(yù)測，模型的輸入?yún)?shù)為風(fēng)速和歷史光伏發(fā)電功率。建立灰色神經(jīng)網(wǎng)絡(luò)組合模型，將溫度和太陽輻射強度作為模型輸入?yún)?shù)，預(yù)測未來24小時的光伏發(fā)電功率。在人工智能預(yù)測方法方面，采用距離分析法將發(fā)電功率與氣象因素關(guān)聯(lián)起來，輸入因子確定為氣溫和濕度，建立基于BP神經(jīng)網(wǎng)絡(luò)的發(fā)電功率短期預(yù)測模型。通過建立循環(huán)神經(jīng)網(wǎng)絡(luò)(Recurrent Neural Network,RNN)的光伏發(fā)電功率預(yù)測模型，輸入?yún)?shù)為輻照強度、溫度、壓力、時間和濕度。另外將不同天氣類型下的輻照度作為特征參數(shù)，建立基于支持向量機(Support Vector Machine,SVM)的天氣狀態(tài)模式識別模型。建立動態(tài)貝葉斯網(wǎng)絡(luò)的光伏發(fā)電短期概率預(yù)測模型，通過分析影響光伏發(fā)電功率的多種環(huán)境因素及各因素之間的關(guān)聯(lián)，再依據(jù)當(dāng)前時刻的影響因素預(yù)測短期光伏發(fā)電功率的概率分布。

也有相關(guān)文獻基于NARX神經(jīng)網(wǎng)絡(luò)的光伏發(fā)電功率預(yù)測，將太陽能輻射量和電池板溫度作為光伏發(fā)電功率的影響因素。NARX神經(jīng)網(wǎng)絡(luò)相比傳統(tǒng)BP神經(jīng)網(wǎng)絡(luò)增加了時間序列的學(xué)習(xí)能力，但其在一定程度上繼承了廣義神經(jīng)網(wǎng)絡(luò)的特征，存在以下缺陷：收斂速度慢，容易陷入局部最優(yōu)。同時也有文獻提出基于改進深度受限玻爾茲曼機算法的光伏發(fā)電短期功率概率預(yù)測模型，利用遺傳算法對深度受限玻耳茲曼機進行參數(shù)優(yōu)化，解決了深度受限玻爾茲曼機可能會求得局部最小值和收斂速度慢等問題。

發(fā)明內(nèi)容

針對上述問題，本發(fā)明為準確地預(yù)測光伏發(fā)電功率,以節(jié)約資源,提出了一種基于改進非線性自回歸模型(NARX)神經(jīng)網(wǎng)絡(luò)算法的光伏發(fā)電功率短期預(yù)測模型。通過皮爾森相關(guān)分析選擇影響發(fā)電功率的環(huán)境因素,利用遺傳算法(GA)優(yōu)化受限玻耳茲曼機(RBM)模型參數(shù),避免陷入局部最優(yōu)；利用優(yōu)化后的RBM模型初始化NARX神經(jīng)網(wǎng)絡(luò)的參數(shù)。

GARBM-NARX算法采用遺傳算法(GA)優(yōu)化受限玻爾茲曼機(RBM)，主要有以下兩個優(yōu)點，一是利用GA為RBM選擇訓(xùn)練數(shù)據(jù)的維數(shù)；二是利用GA來設(shè)定RBM的隱單元個數(shù)。采用優(yōu)化后的RBM模型初始化NARX神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值，可以提高模型精度和訓(xùn)練速度。

為實現(xiàn)上述目的，本發(fā)明采取以下技術(shù)方案：

一種光伏發(fā)電功率短期預(yù)測方法及裝置，包括數(shù)據(jù)輸入輸出及處理模塊、模型參數(shù)優(yōu)化模塊和預(yù)測模型訓(xùn)練及應(yīng)用模塊。其中數(shù)據(jù)輸入輸出及處理模塊包括原始數(shù)據(jù)歸一化和預(yù)測結(jié)果反歸一化單元、GA編碼單元和GA適應(yīng)度函數(shù)計算單元；模型參數(shù)優(yōu)化模塊包括RBM初始參數(shù)優(yōu)化單元和RBM模型訓(xùn)練與NARX參數(shù)初始化單元；預(yù)測模型訓(xùn)練及應(yīng)用模塊即NARX神經(jīng)網(wǎng)絡(luò)訓(xùn)練及應(yīng)用單元。

(1)數(shù)據(jù)輸入輸出及處理模塊

①原始數(shù)據(jù)歸一化和預(yù)測結(jié)果反歸一化