[發(fā)明專利]基于卷積神經(jīng)網(wǎng)絡(luò)和二維氣象矩陣的光伏功率預(yù)測方法

有效

• 申請?zhí)枺?/td>: 202110330964.2
• 申請日: 2021-03-29
• 公開（公告）號: CN112906987B
• 公開（公告）日: 2023-02-21
• 發(fā)明（設(shè)計）人: 林培杰;程樹英;陳振祥;陳志聰;吳麗君;鄭茜穎
• 申請（專利權(quán)）人: 福州大學(xué)
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06N3/045;G06N3/0464;G06N3/08;G06F17/16;G06Q50/06
• 代理公司: 福州元創(chuàng)專利商標(biāo)代理有限公司 35100
• 代理人: 陳明鑫;蔡學(xué)俊

1.一種基于卷積神經(jīng)網(wǎng)絡(luò)和二維氣象矩陣的光伏功率預(yù)測方法，其特征在于，包括：

對氣象參數(shù)和光伏發(fā)電功率進(jìn)行相關(guān)性分析，以選擇模型的輸入氣象參數(shù)；

采集光伏電站歷年光伏發(fā)電功率以及氣象站上的氣象參數(shù)，得到所需的數(shù)據(jù)樣本；

對數(shù)據(jù)樣本進(jìn)行歸一化處理；

根據(jù)待測小時的氣象特征值結(jié)合灰色關(guān)聯(lián)分析算法確定相似小時和最佳相似小時；

將多元氣象參數(shù)構(gòu)造成二維氣象矩陣；

構(gòu)建由一維卷積神經(jīng)網(wǎng)絡(luò)和二維卷積神經(jīng)網(wǎng)絡(luò)組成的混合神經(jīng)網(wǎng)絡(luò)模型，提取二維氣象矩陣的高級特征，建立氣象參數(shù)與光伏發(fā)電功率的非線性關(guān)系；

將相似小時的數(shù)據(jù)樣本輸入到混合神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，將最佳相似小時的氣象參數(shù)輸入訓(xùn)練好的混合神經(jīng)網(wǎng)絡(luò)模型，得到以5分鐘為間隔的待測小時1小時光伏發(fā)電功率輸出值；

所述對氣象參數(shù)和光伏發(fā)電功率進(jìn)行相關(guān)性分析，以選擇模型的輸入氣象參數(shù)的具體實現(xiàn)過程如下：

采用Pearson相關(guān)系數(shù)分析全球水平輻射GHR、擴(kuò)散水平輻射DHR、大氣溫度T、相對濕度RH和光伏發(fā)電功率的相關(guān)性；通過分析結(jié)果，得到模型輸入的氣象參數(shù)，即全球水平輻射、擴(kuò)散水平輻射、大氣溫度、相對濕度；其中，Pearson相關(guān)系數(shù)計算公式如下：

式中，x和y分別是多元氣象參數(shù)和光伏發(fā)電功率，n是每天的采樣點數(shù)；

所述將多元氣象參數(shù)構(gòu)造成二維氣象矩陣的具體實現(xiàn)方式為：將待測小時的4個氣象參數(shù)處理成長度相同的列向量，長度為13個數(shù)據(jù)點，然后，將4個列向量用矩陣連接起來，最終形成二維13×4陣列數(shù)據(jù)樣本的矩陣；

所述根據(jù)待測小時的氣象特征值結(jié)合灰色關(guān)聯(lián)分析算法確定相似小時和最佳相似小時的具體實現(xiàn)方式如下：

將待測小時的氣象特征值記為：

(G_MIN,G_MEAN,G_MAX,T_MIN,T_MEAN,T_MAX)

其中，G_MIN,G_MEAN,G_MAX分別代表待測小時的全球水平輻射的最小值、平均值、最大值，T_MIN,T_MEAN,T_MAX代表待測小時的大氣溫度的最小值、平均值、最大值；

計算待測小時前預(yù)設(shè)的日期與其的關(guān)聯(lián)度，將關(guān)聯(lián)度最大的時刻確定為最佳相似小時，剩下關(guān)聯(lián)度較大的前30個時刻確定為相似小時；其中關(guān)聯(lián)度的計算采用下式：

式中，r_i表示歷史小時i與待預(yù)測小時的關(guān)聯(lián)度，k表示特征值個數(shù)，ξ_i表示歷史小時i與待測小時的關(guān)聯(lián)系數(shù)；其中，ξ_i(k)的計算采用下式：

式中，y(k)表示待預(yù)測小時歸一化后的氣象特征值，x_i(k)表示歷史小時i歸一化后的氣象特征值，ρ表示分辨系數(shù)，ρ取0.5，k表示特征值個數(shù)；

所述混合神經(jīng)網(wǎng)絡(luò)模型由兩層二維卷積神經(jīng)網(wǎng)絡(luò)、三層一維卷積神經(jīng)網(wǎng)絡(luò)、一層池化層和兩層全連接層組成。

2.根據(jù)權(quán)利要求1所述的基于卷積神經(jīng)網(wǎng)絡(luò)和二維氣象矩陣的光伏功率預(yù)測方法，其特征在于，所述采集光伏電站歷年光伏發(fā)電功率以及氣象站上的氣象參數(shù)，即采集光伏電站歷年光伏發(fā)電功率以及全球水平輻射、擴(kuò)散水平輻射、大氣溫度、相對濕度的氣象參數(shù)。

3.根據(jù)權(quán)利要求1所述的基于卷積神經(jīng)網(wǎng)絡(luò)和二維氣象矩陣的光伏功率預(yù)測方法，其特征在于，所述對數(shù)據(jù)樣本進(jìn)行歸一化處理的具體實現(xiàn)方式為：采用比例壓縮法將同一種數(shù)據(jù)樣本的同一個時刻的多組數(shù)據(jù)映射到區(qū)間[0,1]內(nèi)，映射公式為：

式中，y'表示歸一化后得到的數(shù)據(jù)，A_imax表示數(shù)據(jù)組A的第i個時刻中的最大值，A_imin表示數(shù)據(jù)組A的第i個時刻中的最小值，A_ki表示第i個時刻數(shù)據(jù)樣本中的第k個5分鐘的某個數(shù)據(jù)樣本。