[發明專利]一種基于小波變換和小波神經網絡的光伏電站短期功率預測方法

在審

• 申請號: 202011025599.6
• 申請日: 2020-09-25
• 公開（公告）號: CN112149905A
• 公開（公告）日: 2020-12-29
• 發明（設計）人: 陳志聰;陳輝煌;吳麗君;程樹英;林培杰
• 申請（專利權）人: 福州大學
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;G06F17/14;G06N3/04;G06N3/08
• 代理公司: 福州元創專利商標代理有限公司 35100
• 代理人: 錢莉;蔡學俊

本發明涉及一種基于小波變換和小波神經網絡的光伏電站短期功率預測方法，包括步驟：選取與光伏功率最為相關的四種氣象參數作為模型的輸入；對待預測日之前的設定天數歷史數據進行處理，作為訓練數據集；使用小波變換將訓練數據集中的歷史數據均分解為穩態分量和非穩態分量；采用小波神經網絡對訓練數據集進行學習，針對穩態分量和非穩態分量分別訓練對應的小波神經網絡模型，并用隨機梯度下降法調整網絡的參數；將待預測日的NWP氣象參數歸一化并使用小波變換分解為穩態分量和非穩態分量，然后將之作為對應模型的輸入，得出各個預測的功率值分量，各功率分量求和并反歸一化即為預測的最終功率值。本發明能夠有效提高短期功率的預測精度。

技術領域

本發明涉及光伏電站功率預測技術領域，特別是一種基于小波變換和小波神經網絡的光伏電站短期功率預測方法。

背景技術

大規模、無節制地開采化石燃料使得這些寶貴的資源快速地衰竭，同時還引起了霧霾、酸雨和溫室效應等嚴峻的環境問題，隨著全球能耗的快速增長，環境將進一步惡化，為解決能源與環境問題，有必要節能減排，大力開發新能源，走可持續發展的低碳道路。新能源之中以太陽能最受矚目，根據中國光伏行業協會提供的數據，2019年我國新增光伏并網裝機容量達到30.1GW，累計光伏并網裝機量達到204.3GW。2019年全年光伏發電量2242.6億千瓦時，同比增長26.3％，占我國全年總發電量的3.1％，同比提高0.5個百分點。

但是凡事有利必有弊，光伏發電也不是十全十美的，太陽能具有波動性強、隨機性大的特點，將光伏所發的電輸入電網中勢必會引起電網的電壓有所波動，這將不利于用電器的工作，波動過大時甚至會導致用電器損壞，為了緩解這一問題，有學者提出了可以利用光伏功率預測的方法，提前制定電網的調配計劃，以達到穩定電網的目的。

目前，各種各樣的光伏功率預測方法如雨后春筍般涌現，依據所使用的方法，可以將其分為兩大類：白盒模型和黑盒模型。白盒模型從物理原理出發，研究光生電背后的物理原理，從而導出氣象參數與光伏功率之間的表達式，這種方式能夠在電站實際構建之前就得到未來發電功率的估計值，但是由于需要嵌套多層復雜的物理公式以及大量的模型參數設置依賴于專家經驗，更糟的是這些辛苦設置的模型參數與光伏電站所使用的光伏電池種類以及電站的結構密切相關，換了另外一個電站又需要重新設置，因而開發難度較大，泛化能力差，精度也比較一般；黑盒模型則是基于數據驅動，在光伏電站建立并運行一段時間后，使用黑盒模型學習電站記錄下的氣象參數和功率數據，模型能夠自動學到最佳的匹配參數，無需人工調整，這大大減少了建模難度。近年來，隨著大數據技術和人工智能的發展，黑盒模型的性能有了質的飛躍，大量的實驗表明，基于人工智能技術的黑盒模型具有開發難度小，泛化能力強，精度高的優點。

目前，公開發表的文獻及專利中尚未見有將小波變換和小波神經網絡結合用于預測光伏電站輸出功率的研究。

發明內容

有鑒于此，本發明的目的是提出一種基于小波變換和小波神經網絡的光伏電站短期功率預測方法，從而提高光伏電站短期功率預測的精度。

本發明采用以下方案實現：一種基于小波變換和小波神經網絡的光伏電站短期功率預測方法，具體包括以下步驟：

使用相關系數分析影響光伏功率的氣象參數，最后選取與光伏功率最為相關的四種氣象參數作為模型的輸入；

對待預測日之前的設定天數的歷史數據進行處理，剔除異常值和黑夜的值，然后對歷史功率和歷史氣象參數進行歸一化處理，將其作為訓練數據集；

使用小波變換將訓練數據集中的歷史功率數據和歷史氣象數據均分解為穩態分量和非穩態分量；

采用小波神經網絡對經小波變換后的訓練數據集進行學習，針對穩態分量和非穩態分量分別訓練對應的小波神經網絡模型，即穩態部分的功率由穩態部分的氣象參數來進行預測，非穩態部分的功率由非穩態部分的氣象參數來進行預測，并用隨機梯度下降法調整網絡的參數；