[發明專利]一種基于神經網絡實例化的光伏功率預測方法及系統

在審

• 申請號: 202210042396.0
• 申請日: 2022-01-14
• 公開（公告）號: CN114638396A
• 公開（公告）日: 2022-06-17
• 發明（設計）人: 楊青斌;陳志磊;徐亮輝;夏烈;秦筱迪;張軍軍;周榮蓉;姚廣秀
• 申請（專利權）人: 中國電力科學研究院有限公司;國家電網有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q50/06;G06N3/04;G06N3/08
• 代理公司: 北京安博達知識產權代理有限公司 11271
• 代理人: 徐國文

1.一種基于神經網絡實例化的光伏功率預測方法，其特征在于，包括：

獲取待測的光伏電站所處的溫度、輻照度和風速；

對所述溫度、輻照度和風速進行歸一化處理，得到歸一化數據；

將所述歸一化數據輸入到預先訓練好的預測模型中，得到所述待測的光伏電站的功率；

其中，所述預先訓練好的預測模型是基于歸一化后的光伏電站的歷史溫度、輻照度、風速以及對應的功率對預先構建的神經網絡進行訓練得到；

所述神經網絡是基于電站的電氣拓撲結構構建的。

2.如權利要求1所述的方法，其特征在于，所述神經網絡包括：輸入層、隱含層和輸出層；

所述輸入層，用于將歸一化處理后的光伏電站的溫度、輻照度和風速輸入到所述預先訓練好的神經網絡中，并傳輸至隱含層；

所述隱含層，由電站的電氣拓撲結構中發電單元的個數確定神經元的個數，用于對所述輸入層傳輸的光伏電站的溫度、輻照度和風速結合隱含層的連接權值和隱含層的閾值計算隱含層的輸入，并基于隱含層的輸入結合隱含層的激發函數計算得到隱含層輸出，并將隱含層輸出傳給輸出層；

所述輸出層，基于隱含層輸出和所述輸出層的連接權值和輸出層的閾值計算得到輸出層輸入，由所述輸出層輸入結合輸出層的激發函數計算得到所述光伏電站所處的溫度、輻照度和風速對應的功率，并將所述功率輸出；

其中,所述光伏電站由多個發電單元組成。

3.如權利要求2所述的方法，其特征在于，所述預測模型的訓練包括：

由歸一化后的所述光伏電站的歷史溫度、輻照度、風速和對應的功率構建樣本集；

將所述樣本集按照設定比例劃分為訓練集和測試集；

由所述訓練集中的歸一化后的光伏電站的歷史溫度、輻照度和風速作為神經網絡的輸入，將所述訓練集中的功率作為神經網絡的輸出對所述神經網絡進行訓練得到初始預測模型；

由所述測試集對所述初始預測模型進行測試，

基于所述測試集中的歸一化后的光伏電站的歷史溫度、輻照度、風速作為所述初始預測模型的輸入，由所述初始預測模型輸出預測功率；

計算所述預測功率與所述測試集中的功率之間的誤差，并將所述誤差反向傳遞至神經網絡的輸出層和隱含層；

基于所述誤差調整所述隱含層和所述輸出層中的連接權值和閾值的大小直至達到設定的誤差范圍；

將所述誤差達到設定的誤差范圍時的初始預測模型作為訓練好的預測模型。

4.如權利要求1所述的方法，其特征在于，所述歸一化數據按下式計算：

式中，x_i為溫度、輻照度、風速或輸出功率的原始歷史數據；x_min為原始歷史數據的最小值；x_max為原始歷史數據的最大值；x′_i為歸一化后的歷史數據；i為第i個數據。

5.如權利要求所述2的方法，其特征在于，所述隱含層的激發函數如下式所示：

f⁽¹⁾(X)＝A*S*B*η*X；

式中，f⁽¹⁾為隱含層的激發函數；A為光伏組件的轉換效率乘；S為對應發電單元的光伏組件面積；B光伏逆變器的逆變效率；η為升壓變效率；X為上一層神經元輸出。

6.如權利要求2所述的方法，其特征在于，所述輸出層的激發函數如下式所示：

f⁽²⁾(X)＝E*X；

式中，f⁽²⁾為輸出層的激發函數；E為電站并網主變壓器的效率；X為上一層神經元輸出。