[發明專利]一種粒子群優化的灰色模型預測光伏發電功率的方法

在審

• 申請號: 202210320545.5
• 申請日: 2022-03-29
• 公開（公告）號: CN114899814A
• 公開（公告）日: 2022-08-12
• 發明（設計）人: 蔣峰;肖潁濤;龐駱冰;范榮琴;程鵬;嚴流進;張悅;蘇自峰;湯永振;李正波;李娟;羅曉梅;夏永琴;王子瑜;謝堯;林嘉承;朱瑾潤;李方宇;何益祥;吳剛;張晨;金存風;陶偉偉;楊惠華;黃衛東;崔蓉梅;張榮宸
• 申請（專利權）人: 國網安徽省電力有限公司巢湖市供電公司
• 主分類號: H02J3/00
• 分類號: H02J3/00;H02J3/38;G06Q10/04;G06N3/00
• 代理公司: 蕪湖思誠知識產權代理有限公司 34138
• 代理人: 房文亮

1.一種粒子群優化的灰色模型預測光伏發電功率的方法，其特征在于，包括如下步驟：

步驟一：考慮輻射強度、氣溫、電池溫度的影響，建立灰色模型的微分方程；

步驟二：給出光伏預測的原始數據，包括光伏功率、輻射強度、氣溫和電池溫度；

步驟三：以一部分光伏發電的數據作為訓練數據，通過粒子群算法找到最優權值，預測測試數據的光伏功率，并用未經粒子群算法優化的灰色模型計算出預測值；

步驟四：將粒子群優化的灰色模型與灰色模型的預測結果進行對比。

2.根據權利要求1所述的一種粒子群優化的灰色模型預測光伏發電功率的方法，其特征在于：所述步驟一中，灰色模型GM(1，N)如下：

記原始數據序列為

X⁽⁰⁾＝[x⁽⁰⁾(1),x⁽⁰⁾(2),…,x⁽⁰⁾(n)] (1)

其影響因素序列為

將原始數據序列一階累加生成新的數據序列

其中：

即行為變量的相鄰數據均值生成數列為

其中，λ為待優化的權值；

可得灰微分方程如下：

3.根據權利要求1或2所述的一種粒子群優化的灰色模型預測光伏發電功率的方法，其特征在于：所述所述步驟三中，通過粒子群算法找到最優權值如下：

(1)以權值λ＝(λ(1),λ(2),…,λ(n-1))為基本粒子，隨機生成初始粒子，設置粒子群參數，包括種群數量、迭代次數、慣性權重、個體和社會學習因子、空間維數、速度與位置區間；

(2)選取實際值與預測值之間的誤差的平方和最小為尋優目標，構造適應度函數；

(3)計算個體最優位置和群體最優位置，將隨機生成的初始粒子代入適應度函數，求出對應的適應度，經過種群的更新，獲得個體最優位置和群體最優位置，適應度函數取為：

其中預測天數為t。

4.根據權利要求3所述的一種粒子群優化的灰色模型預測光伏發電功率的方法，其特征在于：達到粒子群尋優條件時，停止搜索，輸出最優的權值向量，

將上述灰微分方程轉化為動態微分方程：

由最小二乘法求出：

u＝(a,b₂,b₃,…,b_N)^T＝(B^TB)^-1B^TY (7)

其中：Y＝[x⁽⁰⁾(2),x⁽⁰⁾(3),…,x⁽⁰⁾(n)]^T

解出其中的參數，代入微分方程，可得：

再通過累減還愿得到預測值：

將最優權值代入公式(7)-公式(9)，得到預測值，而未經粒子群優化的灰色模型，權值取為0.5。

5.根據權利要求1所述的一種粒子群優化的灰色模型預測光伏發電功率的方法，其特征在于：所述步驟四中，將粒子群優化的灰色模型與灰色模型的預測結果進行對比如下：

選取后殘差檢驗方法比較兩種預測方法，

進行后殘差檢驗需計算實際值的標準差、殘差的標準差，得到殘差的標準差除以實際值的標準差的結果，對照表格查詢即知預測精度的分級；

實際值的標準差

殘差的標準差

方差比

其中為實際值序列的平均值，為殘差序列的平均值。

6.根據權利要求5所述的一種粒子群優化的灰色模型預測光伏發電功率的方法，其特征在于：小誤差概率表示殘差與殘差平均值的差小于0.6745S₁的概率，如下：