[發明專利]一種光伏輸出功率超短期局域情緒重構神經網絡預測方法

在審

• 申請號: 202010919805.1
• 申請日: 2020-09-04
• 公開（公告）號: CN112132328A
• 公開（公告）日: 2020-12-25
• 發明（設計）人: 時珊珊;王育飛;張宇;徐琴;薛花;方陳;魏新遲
• 申請（專利權）人: 國網上海市電力公司;上海電力大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;G06N3/04;G06N3/08
• 代理公司: 上海科律專利代理事務所(特殊普通合伙) 31290
• 代理人: 趙穎

本發明涉及一種光伏輸出功率超短期局域情緒重構神經網絡預測方法，采用奇異譜分析方法對原始光伏功率進行降噪能降低光伏功率時間序列的復雜性，有助于通過混沌非線性動力學方法對光伏功率時間序列進行隱含波動信息的挖掘，在實際工程中，無需提前獲取氣象數據，可避免因輸入參數選擇不當引起的模型復雜性問題以及氣象數據預測不準確引起的誤差累計問題；建立的局域情緒重構神經網絡，無需確定隱含層節點數量，建模簡單，減小預測成本；建立的局域情緒重構神經網絡依據光伏功率混沌吸引子確定拓展信號以及情緒參數，使預測模型更加關注跟蹤每個輸入模式并挑選出最有用的輸入模式信息，映射關系更準確，在不同天氣情況下預測準確度較高，適應性較強。

技術領域

本發明涉及一種光伏發電技術領域，特別涉及一種奇異譜分析的光伏輸出功率超短期局域情緒重構神經網絡預測方法。

背景技術

為了減少由化石燃料引起的碳排放并順應全球環境保護的趨勢，光伏發電作為一種易獲取的環境友好型能源已被廣泛應用。然而，由于各種氣象因素的影響，光伏功率在短時間內呈現高度的隨機性和波動性，光伏輸出功率曲線波動較大，波動本質不易挖掘，大規模光伏發電并網勢必會給電網帶來巨大沖擊，光伏發電功率預測技術是解決該問題的重要措施。因此，通過準確預測光伏發電輸出功率，并與儲能系統充放電協調配合，平滑光伏輸出功率波動，可進一步增強電網接納光伏并網能力，改善電力系統運行狀況。

目前適用于超短期光伏功率預測的方法可分為物理法和統計法，物理法不需要大量的歷史數據，但由于環境以及光伏組件參數易隨時間變化，較難模擬某些極端天氣條件，因此在實際應用中較多采用統計法。統計法中采用較多的模型為人工神經網絡，在預測前需大量歷史數據做訓練，其側重于建立歷史數據和目標值之間的準確映射，已經取得了一定的成果。但在實際工程中，受制于復雜的模型結構，建立準確的映射關系需要大量的神經元，而隱藏神經元的數量往往難以確定。此外，不確定的天氣條件以及數據采集過程中的噪聲干擾，可能導致這些歷史數據包含非平穩成分，使得光伏功率波動本質難以挖掘，導致由于模型訓練不當而產生較高的預測誤差，不易形成較成熟的預測條件。

情緒神經網絡(emotional neural network，ENN)根據大腦情緒學習(brainemotional learning，BEL)算法，模擬邊緣系統中杏仁核與眶額皮質間信息的相互作用，依據情緒刺激在大腦短反射通路中引起快速情緒反應的機制而建立。ENN模型可分為單層ENN模型和雙層ENN模型。雙層情緒神經網絡模型，即基于邊緣系統的人工情緒神經網絡(Limbic-based artificial emotional neural network，LiAENN)模型已在面部檢測和情緒識別應用上表現出良好的自適應性能，將其應用于光伏功率預測領域，需要更加準確的建模方法。

發明內容

本發明是針對超短期光伏功率預測的問題，提出了一種光伏輸出功率超短期局域情緒重構神經網絡預測方法，超短期為小時內預測。

本發明的技術方案為：一種光伏輸出功率超短期局域情緒重構神經網絡預測方法，具體包括如下步驟：

1)利用奇異譜分析法對原始光伏功率時間序列進行降噪處理，得到較平穩的時間序列，并對混沌時間序列進行分析，利用混沌非線性動力學方法進一步挖掘此序列的隱含波動信息，進行相空間重構；

2)依據重構后的相空間點推導出單步循環滾動局域預測機制，并確定預測中心點；單步循環滾動局域預測機制具體如下：

2.1)假設g(t₁)為待預測日第一時刻t₁第一個待預測功率值，則其前一時刻t₀對應功率g(t₀)為已知量，g(t₁)是要預測的第一個功率點，當要預測t₁時刻的功率點g(t₁)時，時刻t₀相空間點向量G(t₀)和g(t₁)之間的對應關系為：