[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

本發明提供了一種基于神經網絡實例化的光伏功率預測方法及系統，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。本發明采用神經網絡神經元實物化的建模方法，克服了機理建模難以適應多變的現場環境，提高了精確性。

技術領域

本發明涉及新能源發電領域，具體涉及一種基于神經網絡實例化的光伏功率預測方法及系統。

背景技術

可再生能源的規?；l展是實現能源結構優化調整重要途徑之一。在大力支持和推動下，光伏發電已經實現連續多年的快速增長，光伏發電累計裝機達到25343萬千瓦，同比增長24.1％，占全部裝機容量的11.52％。

然而，光伏電站的出力受環境影響較大，如陣列表面的積灰，樹木、建筑物和云層等，且這些環境因素往往都是隨機的，導致光伏出力具有較強的隨機性和波動性，使得光伏電站出力預測難、控制難，被冠上了“垃圾電”的惡名。因此必須深入研究高精度的光伏電站出力預測方法，支持光伏電站功率預測，為新能源調度提供依據。光伏電站發電單元數量龐大，通過機理建模預測方法很難精確預測；神經網絡絡預測將對象當作一個黑盒子，利用歷史數據對神經網絡絡進行訓練，對對象進行識別，缺乏具體的物理意義支持。目前國內外學者在光伏電站預測模型方面已做了大量研究工作，這些研究成果可以分為機理建模和智能算法建模兩類，機理建模難以適應多變的現場環境，智能算法建模缺乏物理意義支持，且精度都有待提高。

發明內容

為了解決機理建模預測不精確和難以適應多變的現場環境的問題,本發明提供了一種基于神經網絡實例化的光伏功率預測方法，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。

優選的，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；

優選的，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，