一種基于bp神經(jīng)網(wǎng)絡(luò)的光伏發(fā)電量預(yù)測方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明設(shè)及光伏發(fā)電領(lǐng)域，具體設(shè)及一種基于BP神經(jīng)網(wǎng)絡(luò)的光伏發(fā)電量預(yù)測方 法。
【背景技術(shù)】
[0002] 隨著社會的飛速發(fā)展，傳統(tǒng)能源的大量消耗使人們在工業(yè)發(fā)展和日常生活中面臨 關(guān)于不可再生能源耗盡和嚴(yán)重的環(huán)境污染等問題。太陽能作為一種可再生能源，由于干凈、 環(huán)保、安全、成本低等特點，已成為人類使用能源的重要組成部分，并不斷得到發(fā)展。
[0003] 大規(guī)模光伏發(fā)電是一種利用太陽能的有效方式，但太陽福射、大氣溫度、天氣類型 和電池板溫度等因素容易對光伏發(fā)電產(chǎn)生影響，并且呈非線性。因此，太陽能發(fā)電量的預(yù)測 對合理安排電器使用時間和最大限度利用太陽能資源、減小用電成本有著重要的意義。
[0004] 在國外，光伏產(chǎn)業(yè)發(fā)展勢頭迅猛，在國內(nèi)市場，由于工程和制造技術(shù)、成本太高等 原因太陽能產(chǎn)業(yè)發(fā)展緩慢。近幾年，在相關(guān)政策不斷扶持和政府大力支持鼓勵下，太陽能作 為新興的無限再生能源，其前景十分廣闊。
[0005] 在太陽能電池板發(fā)電的過程中，隨著溫度的上升，其轉(zhuǎn)化率和輸出功率都在不斷 下降。因此，電池板的溫度也成為影響太陽能光伏發(fā)電系統(tǒng)發(fā)電量的一種重要因素。
[0006] BP神經(jīng)網(wǎng)絡(luò)預(yù)測具有很強的非線性映射能力，善于從輸入和輸出信號中尋找規(guī) 律，不需要精確的數(shù)學(xué)模型，并且計算能力強，但是傳統(tǒng)的算法易導(dǎo)致局部最小值，固定的 學(xué)習(xí)率在學(xué)習(xí)過程中易出現(xiàn)擁痕現(xiàn)象并且導(dǎo)致學(xué)習(xí)時間過長。

【發(fā)明內(nèi)容】

[0007] 為解決現(xiàn)有技術(shù)中的不足，本發(fā)明提供一種基于BP神經(jīng)網(wǎng)絡(luò)的光伏發(fā)電量預(yù)測 方法，解決了光伏發(fā)電量預(yù)測精度低的問題，W及BP神經(jīng)網(wǎng)絡(luò)容易陷入局部極值，求解精 度低的問題。
[000引為了實現(xiàn)上述目標(biāo)，本發(fā)明采用如下技術(shù)方案：一種基于BP神經(jīng)網(wǎng)絡(luò)的光伏發(fā)電 量預(yù)測方法，其特征在于：包括W下步驟：
[0009] (la)選取光伏發(fā)電量的影響因素，采集光伏發(fā)電量影響因素歷史數(shù)據(jù)和其所對應(yīng) 的光伏發(fā)電量歷史數(shù)據(jù)，得到訓(xùn)練樣本集；
[0010] (化）根據(jù)步驟（la)所得光伏發(fā)電量影響因素的歷史數(shù)據(jù)生成輸入向量，W其所 對應(yīng)的光伏發(fā)電量的歷史數(shù)據(jù)作為輸出向量，并進行歸一化處理，得到訓(xùn)練樣本；
[0011] (Ic)利用步驟仙）所得訓(xùn)練樣本對BP神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練，得到訓(xùn)練后的BP神經(jīng) 網(wǎng)絡(luò)；
[0012] (Id)采集待預(yù)測日光伏發(fā)電量影響因素數(shù)據(jù)生成預(yù)測輸入向量，進行歸一化處 理，得到歸一化處理后的預(yù)測輸入向量；
[001引 （le)將步驟（Id)所述歸一化處理后的預(yù)測輸入向量輸入BP神經(jīng)網(wǎng)絡(luò)，得到光 伏發(fā)電量預(yù)測輸出向量，預(yù)測輸出向量經(jīng)反歸一化處理得到待預(yù)測日的預(yù)測光伏發(fā)電量向 量。
[0014] 前述的一種基于BP神經(jīng)網(wǎng)絡(luò)的光伏發(fā)電量預(yù)測方法，其特征在于：所述步驟（la) 中光伏發(fā)電量的影響因素包括：待預(yù)測日前一天6 ;00-19 ;00時段的實際發(fā)電量、待預(yù)測日 6 ;00-19 ;00時段的太陽福射強度、待預(yù)測日6 ;00-19 ;00時段的天氣溫度和電池板溫度； 所述步驟（la)中其所對應(yīng)的光伏發(fā)電量為待預(yù)測日6 ;00-19 ;00時段的實際發(fā)電量。
[0015] 前述的一種基于BP神經(jīng)網(wǎng)絡(luò)的光伏發(fā)電量預(yù)測方法，其特征在于；所述待預(yù)測日 6 ;00-19 ;00時段的太陽福射強度巧，為；
[0016] 巧"=巧'+。'"|，巧=6,7，，..18; (1) 2
[0017] 式中，為第n個時段的太陽福射強度；G。為第n時刻的太陽福射強度，Gw為第 n+1時刻的太陽福射強度；
[0018] 所述待預(yù)測日6 ;00-19 ;00時段的天氣溫度巧為：
[0019] 7[山產(chǎn),，灼=67，.. 18; (2)
[0020] 式中，為第n個時段的天氣溫度屯為第n時刻的天氣溫度；T。+1為第n+1時刻 的天氣溫度；
[002U 所述待預(yù)測日6 ;00-19 ;00時段的電池板溫度巧。為：
[002引 +<22X巧,+。3，丹=6,7，...18; (3)
[002引式中，氏為第n個時段的電池板溫度；ai為氣溫回歸系數(shù)，32為太陽福射強度回歸 系數(shù)，33為常數(shù)。
[0024] 前述的一種基于BP神經(jīng)網(wǎng)絡(luò)的光伏發(fā)電量預(yù)測方法，其特征在于：所述步驟（化） 具體包括步驟：
[0025] (4a)利用所得光伏發(fā)電量影響因素的歷史數(shù)據(jù)構(gòu)造輸入向量，W其所對應(yīng)的光伏 發(fā)電量的歷史數(shù)據(jù)構(gòu)造輸出向量；
[0026] (4b)對步驟（4a)所得輸入向量和輸出向量進行歸一化處理，得到歸一化輸入向 量和歸一化輸出向量，其中歸一化處理的公式為：
【主權(quán)項】
1. 一種基于BP神經(jīng)網(wǎng)絡(luò)的光伏發(fā)電量預(yù)測方法，其特征在于：包括以下步驟： (la) 選取光伏發(fā)電量的影響因素，采集光伏發(fā)電量影響因素歷史數(shù)據(jù)和其所對應(yīng)的光 伏發(fā)電量歷史數(shù)據(jù)，得到訓(xùn)練樣本集； (lb) 根據(jù)步驟（la)所得光伏發(fā)電量影響因素的歷史數(shù)據(jù)生成輸入向量，以其所對應(yīng) 的光伏發(fā)電量的歷史數(shù)據(jù)作為輸出向量，并進行歸一化處理，得到訓(xùn)練樣本； (lc) 利用步驟（lb)所得訓(xùn)練樣本對BP神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練，得到訓(xùn)練后的BP神經(jīng)網(wǎng) 絡(luò)； (ld) 采集待預(yù)測日光伏發(fā)電量影響因素數(shù)據(jù)生成預(yù)測輸入向量，進行歸一化處理，得 到歸一化處理后的預(yù)測輸入向量； (le) 將步驟（Id)所述歸一化處理后的預(yù)測輸入向量輸入BP神經(jīng)網(wǎng)絡(luò)，得到光伏發(fā)電 量預(yù)測輸出向量，預(yù)測輸出向量經(jīng)反歸一化處理得到待預(yù)測日的預(yù)測光伏發(fā)電量向量。
2. 根據(jù)權(quán)利要求1所述的一種基于BP神經(jīng)網(wǎng)絡(luò)的光伏發(fā)電量預(yù)測方法，其特征在于： 所述步驟（la)中光伏發(fā)電量的影響因素包括：待預(yù)測日前一天6 :00-19 :00時段的實際發(fā) 電量、待預(yù)測日6 :00-19 :00時段的太陽輻射強度、待預(yù)測日6 :00-19 :00時段的天氣溫度 和電池板溫度；所述步驟（la)中其所對應(yīng)的光伏發(fā)電量為待預(yù)測日6 :00-19 :00時段的實 際發(fā)電量。
3. 根據(jù)權(quán)利要求2所述的一種基于BP神經(jīng)網(wǎng)絡(luò)的光伏發(fā)電量預(yù)測方法，其特征在于： 所述待預(yù)測日6 :00-19 :00時段的太陽輻射強度&為：
式中，G為第n個時段的太陽輻射強度；Gn為第n時刻的太陽輻射強度，Gn+1為第n+1 時刻的太陽輻射強度； 所述待預(yù)測日6 :00-19 :00時段的天氣溫度為：
式中，$為第n個時段的天氣溫度；Tn為第n時刻的天氣溫度；Tn+1為第n+1時刻的天 氣溫度； 所述待預(yù)測日6 :00-19 :00時段的電池板溫度&為：
式中，t為第n個時段的電池板溫度；ai為氣溫回歸系數(shù)，a2為太陽輻射強度回歸系 數(shù)，&3為常數(shù)。
4. 根據(jù)權(quán)利要求1所述的一種基于BP神經(jīng)網(wǎng)絡(luò)的光伏發(fā)電量預(yù)測方法，其特征在于： 所述步驟（lb)具體包括步驟： (4a)利用所得光伏發(fā)電量影響因素的歷史數(shù)據(jù)構(gòu)造輸入向量，以其所對應(yīng)的光伏發(fā)電 量的歷史數(shù)據(jù)構(gòu)造輸出向量； (4b)對步驟（4a)所得輸入向量和輸出向量進行歸一化處理，得到歸一化輸入向量和 歸一化輸出向量，其中歸一化處理的公式為：
其中，h為輸入層節(jié)點數(shù)，1為輸出層節(jié)點數(shù)，xi，yi分別為歸一化處理前光伏發(fā)電量原 始輸入向量和原始輸出向量中第i分量，'_分別為歸一化處理前光伏發(fā)電量原始 輸入向量中第i分量的最小值和最大值，yimin，\_分別為歸一化處理前光伏發(fā)電量原始 輸出向量中第i分量的最小值和最大值，巧、只分別為歸一化處理后的原始輸入向量和原 始輸出向量中第i分量； (4c)保存歸一化處理前光伏發(fā)電量原始輸入向量中各分量的最小值'_和最大值Xi;max和原始輸出向量中各分量的最小值yi;min和最大值yi;max。
5. 根據(jù)權(quán)利要求1所述的一種基于BP神經(jīng)網(wǎng)絡(luò)的光伏發(fā)電量預(yù)測方法，其特征是：所 述步驟（lc)中采用的BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)包括輸入層，隱含層和輸出層；所述輸入層節(jié)點數(shù)為 52個，包括光伏發(fā)電待預(yù)測日前一天6 :00-19 :00時段的實際發(fā)電量、待預(yù)測日6 :00-19 : 〇〇時段的太陽輻射強度、待預(yù)測日6 :00-19 :00時段的天氣溫度和電池板溫度；所述輸出 層節(jié)點數(shù)為13個，包括待預(yù)測日06:00-19:00時段的發(fā)電量；所述隱含層節(jié)點數(shù)由以下公 式確奮，
式中，m為隱含層節(jié)點數(shù)，ni為輸入層節(jié)點數(shù)，1為輸出層節(jié)點數(shù)，roundO為取整函數(shù)。
6. 根據(jù)權(quán)利要求1所述的一種基于BP神經(jīng)網(wǎng)絡(luò)的光伏發(fā)電量預(yù)測方法，其特征是：所 述步驟（lc)中的BP神經(jīng)網(wǎng)絡(luò)為彈性自適應(yīng)BP神經(jīng)網(wǎng)絡(luò)，其學(xué)習(xí)率和權(quán)值大小按彈性自適 應(yīng)規(guī)則進行調(diào)整，具體公式為：
式中，n(n)為第n次的學(xué)習(xí)率，a為大于1的常數(shù)；b為大于0小于1的常數(shù)；C為大 于1的常數(shù)；E(n)為第n次的神經(jīng)元誤差，由以下公式求得： z-k=\
其中為輸出層節(jié)點數(shù)，ek(n)為輸出層第k個神經(jīng)元經(jīng)過n次迭代后的誤差信號，求 解公式為： ek(n) =dk(n)-mk(n) (10) 其中，dk(n)為輸出層第k個神經(jīng)元經(jīng)過n次迭代后的期望輸出；mk(n)為輸出層第k個 神經(jīng)元經(jīng)過n次迭代后的實際輸出； <H+1>為第i層第j個神經(jīng)元第n+1次的權(quán)值；為第i層第j個神經(jīng)元第n次的權(quán) 值變化量，求解公式為：
規(guī)昏標(biāo)mrW欠雜關(guān)顯麵嫩加;沙，減iMBjf概綠n次的權(quán)值大小更新值，求解公式為：
7. 根據(jù)權(quán)利要求1所述的一種基于BP神經(jīng)網(wǎng)絡(luò)的光伏發(fā)電量預(yù)測方法，其特征在于： 所述步驟（Id)采集待預(yù)測日光伏發(fā)電量影響因素數(shù)據(jù)生成預(yù)測輸入向量，進行歸一化處 理，得到歸一化處理后的預(yù)測輸入向量，歸一化公式為：
其中，A為歸一化處理前的預(yù)測輸入向量中第i個分量，（為歸一化處理后預(yù)測輸入 向量中第i個分量，Ximin，Xi，_分別為歸一化處理前原始輸入向量中第i個分量的最小值 和最大值。
8. 根據(jù)權(quán)利要求1所述的一種基于BP神經(jīng)網(wǎng)絡(luò)的光伏發(fā)電量預(yù)測方法，其特征在于： 所述步驟（le)中經(jīng)過BP神經(jīng)網(wǎng)絡(luò)得到的光伏發(fā)電量預(yù)測輸出向量經(jīng)反歸一化處理得到待 預(yù)測日的預(yù)測光伏發(fā)電量向量，反歸一化處理的公式為：
式為經(jīng)過BP神經(jīng)網(wǎng)絡(luò)預(yù)測得到的反歸一化處理前的光伏發(fā)電量預(yù)測輸出向量中第i 個分量，A為反歸一化處理后的預(yù)測光伏發(fā)電量向量中第i個分量，y 分別為歸 一化處理前原始輸出向量中第i分量的最小值和最大值。
【專利摘要】本發(fā)明公開了一種基于BP神經(jīng)網(wǎng)絡(luò)的光伏發(fā)電量預(yù)測方法，包括步驟：選取光伏發(fā)電量影響因素的歷史數(shù)據(jù)生成輸入向量，以其所對應(yīng)的光伏發(fā)電量的歷史數(shù)據(jù)作為輸出向量，得到訓(xùn)練樣本；利用所得訓(xùn)練樣本訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)；選取影響光伏發(fā)電量因素的待預(yù)測日的數(shù)據(jù)輸入BP神經(jīng)網(wǎng)絡(luò)，得到預(yù)測光伏發(fā)電量。本發(fā)明通過太陽輻射強度和溫度數(shù)據(jù)，實現(xiàn)了太陽能光伏發(fā)電量的預(yù)測，針對BP神經(jīng)網(wǎng)絡(luò)易陷入局部極值的缺陷，提出了基于改進學(xué)習(xí)率和權(quán)值的彈性自適應(yīng)規(guī)則的BP神經(jīng)網(wǎng)絡(luò)，較好地解決了算法陷入局部極值的問題，提高了光伏發(fā)電量的預(yù)測精度。
【IPC分類】G06Q10-04, G06Q50-06, G06N3-08
【公開號】CN104616085
【申請?zhí)枴緾N201510084657
【發(fā)明人】薛云燦, 王思睿, 李彬, 蔡昌春, 孫德銀, 陳波, 李偉
【申請人】河海大學(xué)常州校區(qū), 常州瑞信電子科技有限公司
【公開日】2015年5月13日
【申請日】2015年2月16日