[發(fā)明專利]一種粒子群優(yōu)化的灰色模型預測光伏發(fā)電功率的方法

在審

• 申請?zhí)枺?/td>: 202210320545.5
• 申請日: 2022-03-29
• 公開（公告）號: CN114899814A
• 公開（公告）日: 2022-08-12
• 發(fā)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(wèi)東;崔蓉梅;張榮宸
• 申請（專利權(quán)）人: 國網(wǎng)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(chǎn)權(quán)代理有限公司 34138
• 代理人: 房文亮

本發(fā)明公開一種粒子群優(yōu)化的灰色模型預測光伏發(fā)電功率的方法，涉及電力系統(tǒng)技術(shù)領(lǐng)域，考慮了輻射強度、氣溫、電池溫度的影響，建立了GM(1，N)模型，并用粒子群算法尋找GM(1，N)模型的最優(yōu)權(quán)值，該方法相較于傳統(tǒng)的GM(1,1)模型，考慮了氣象因素對于光伏功率的影響，采用組合預測的方法提高了預測精度，同時對數(shù)據(jù)樣本量的要求不大，考慮光伏功率具有季節(jié)性特點，一個季度的原始數(shù)據(jù)可以滿足本發(fā)明的要求，且預測精度較高。

技術(shù)領(lǐng)域

本發(fā)明涉及電力系統(tǒng)技術(shù)領(lǐng)域，具體涉及一種粒子群優(yōu)化的灰色模型預測光伏發(fā)電功率的方法。

背景技術(shù)

近年來，全球光伏新增裝機容量一直呈增長態(tài)勢，光伏功率預測問題愈發(fā)受到研究者的重視，研究方法和預測理論也日趨成熟、完善。而光伏功率隨機性較強，受天氣因素影響較大，如太陽輻射、溫度、電池板溫度、天氣類型、季節(jié)類型。預測方法主要有以下三種：1)物理方法，根據(jù)太陽輻射、溫度、云量、雨量等氣象因素和光伏地理位置、轉(zhuǎn)換效率，建立物理模型進行預測。2)統(tǒng)計方法，根據(jù)光伏出力、太陽輻射、溫度等歷史數(shù)據(jù)形成序列，對其進行數(shù)據(jù)擬合，建立輸入與輸出的映射模型。3)人工智能方法，通過訓練樣本數(shù)據(jù)，對測試樣本進行檢驗，以此獲得較高的擬合度，常見的有神經(jīng)網(wǎng)絡、灰色模型、支持向量機等。預測方法各有利弊，單一的預測方法往往誤差較大。

發(fā)明內(nèi)容

本發(fā)明的目的在于提供一種粒子群優(yōu)化的灰色模型預測光伏發(fā)電功率的方法，考慮了輻射強度、氣溫、電池溫度的影響，建立了GM(1，N)模型，并用粒子群算法尋找GM(1，N)模型的最優(yōu)權(quán)值，該方法相較于傳統(tǒng)的GM(1,1)模型，考慮了氣象因素對于光伏功率的影響，采用組合預測的方法提高了預測精度，同時對數(shù)據(jù)樣本量的要求不大，考慮光伏功率具有季節(jié)性特點，一個季度的原始數(shù)據(jù)可以滿足本發(fā)明的要求，且預測精度較高。

一種粒子群優(yōu)化的灰色模型預測光伏發(fā)電功率的方法，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(shù)據(jù)，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(fā)電的數(shù)據(jù)作為訓練數(shù)據(jù)，通過粒子群算法找到最優(yōu)權(quán)值，預測測試數(shù)據(jù)的光伏功率，并用未經(jīng)粒子群算法優(yōu)化的灰色模型計算出預測值；

步驟四：將粒子群優(yōu)化的灰色模型與灰色模型的預測結(jié)果進行對比。

優(yōu)選的，所述步驟一中，灰色模型GM(1，N)如下：

記原始數(shù)據(jù)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(shù)據(jù)序列一階累加生成新的數(shù)據(jù)序列

其中：

即行為變量的相鄰數(shù)據(jù)均值生成數(shù)列為

其中，λ為待優(yōu)化的權(quán)值；

可得灰微分方程如下：

優(yōu)選的，所述所述步驟三中，通過粒子群算法找到最優(yōu)權(quán)值如下：

(1)以權(quán)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(shù)，包括種群數(shù)量、迭代次數(shù)、慣性權(quán)重、個體和社會學習因子、空間維數(shù)、速度與位置區(qū)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(yōu)目標，構(gòu)造適應度函數(shù)；