基于lm-bp神經(jīng)網(wǎng)絡的光伏超短期功率預測方法
【專利摘要】本發(fā)明涉及一種基于LM-BP神經(jīng)網(wǎng)絡的光伏超短期功率預測方法，包括以下步驟：根據(jù)環(huán)境因素建立LM-BP神經(jīng)網(wǎng)絡預測模型并確定輸入層數(shù)據(jù)和輸出層數(shù)據(jù)；LM-BP神經(jīng)網(wǎng)絡預測模型對輸入的數(shù)據(jù)進行歸一化處理；采用LM算法進行LM-BP神經(jīng)網(wǎng)絡訓練，得到更新權(quán)值的LM算法；計算光伏電站的光伏功率得到預測結(jié)果。本發(fā)明將LM算法與BP神經(jīng)網(wǎng)絡結(jié)合在一起，在BP神經(jīng)網(wǎng)絡預測結(jié)構(gòu)基礎上，建立LM-BP神經(jīng)網(wǎng)絡的預測模型，采用LM算法進行光伏超短期功率預測，能夠按照任意精度逼近任何連續(xù)的非線性函數(shù)，可快速準確地解決光伏功率預測這一動態(tài)隨機問題，提高了預測速度與精度，且具有較好的魯棒性。
【專利說明】基于LM-BP神經(jīng)網(wǎng)絡的光伏超短期功率預測方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明屬于光伏發(fā)電領(lǐng)域，尤其是一種基于LM-BP神經(jīng)網(wǎng)絡的光伏超短期功率預測方法。
【背景技術(shù)】
[0002]由于光伏發(fā)電受太陽輻射強度、電池組件溫度、天氣云層和一些隨機因素的影響，系統(tǒng)運行過程是一個非平衡的隨機過程，其發(fā)電量和輸出電功率隨機性強、波動大，在天氣突變時表現(xiàn)得尤為突出，這種發(fā)電方式在接入電網(wǎng)后也將會對電網(wǎng)的安全和管理帶來一系列問題，因此，準確對光伏系統(tǒng)的出力做出預測變得尤為重要，同時也可為電網(wǎng)的調(diào)度及安全運行提供依據(jù)。
[0003]輻照強度、溫度及光伏電站功率的預測是一個涉及因素繁多、十分復雜的非線性過程，并且具有高度的不確定性，傳統(tǒng)算法無法勝任，目前對光伏發(fā)電具有隨機性的預測技術(shù)研究主要采用的是神經(jīng)網(wǎng)絡技術(shù)，其具有良好的自適應、自學習和非線性轉(zhuǎn)換能力，避免了復雜的數(shù)學推導，解決了傳統(tǒng)智能方法在辨識及預測等方面的缺陷。但是神經(jīng)網(wǎng)絡也具有一定局限性，主要包括有:學習算法的收斂速度較慢，容易收斂于局部極小值等問題。

【發(fā)明內(nèi)容】

[0004]本發(fā)明的目的在于克服現(xiàn)有技術(shù)的不足，提供一種基于LM-BP神經(jīng)網(wǎng)絡的光伏超短期功率預測方法，解決以下問題:(I)解決有光伏電站功率預測中功率的非線性變換問題；(2)解決目前神經(jīng)網(wǎng)絡算法具有收斂速度較慢，容易收斂于局部極小值等問題；(3)解決隨著光伏電站規(guī)模的增大以及隨太陽輻照和溫度的非線性變化造成光伏功率預測魯棒性較差的問題。
[0005]本發(fā)明解決其技術(shù)問題是采取以下技術(shù)方案實現(xiàn)的:
[0006]一種基于LM-BP神經(jīng)網(wǎng)絡的光伏超短期功率預測方法，包括以下步驟:
[0007]步驟1:根據(jù)環(huán)境因素建立LM-BP神經(jīng)網(wǎng)絡預測模型并確定輸入層數(shù)據(jù)和輸出層數(shù)據(jù)；
[0008]步驟2 =LM-BP神經(jīng)網(wǎng)絡預測模型對輸入的數(shù)據(jù)進行歸一化處理；
[0009]步驟3:采用LM算法進行LM-BP神經(jīng)網(wǎng)絡訓練，得到更新權(quán)值的LM算法；
[0010]步驟4:計算光伏電站的光伏功率得到預測結(jié)果。
[0011]而且，所述步驟4后還包括預測結(jié)果校正的步驟:將已過去最近一小時的溫度光照與數(shù)據(jù)庫中同時段的歷史情況進行對比，若其數(shù)據(jù)與當前預測結(jié)果類似時可通過相似天數(shù)據(jù)情況對預測值進行修正調(diào)整；同時通過與數(shù)據(jù)庫中同時段的歷史最大、最小值進行比較，若大于歷史最大值，或小于歷史最小值，則需要修正其結(jié)果為歷史最大值或歷史最小值。
[0012]而且，所述的LM-BP神經(jīng)網(wǎng)絡預測模型包括按季節(jié)構(gòu)建的四個預測子模型:春季模型、夏季模型、秋季模型和冬季模型以及按照天氣情況構(gòu)建的三個子模型:晴天模型、多云模型、雨天模型模型。
[0013]而且，所述的輸入層數(shù)據(jù)包括光照及溫度序列、預測日季節(jié)和日類型。
[0014]而且，所述的光照及溫度序列包括前一天白天6:00到18:00期間12小時逐小時的光照及溫度序列、預測日白天12小時逐小時的光照及溫度序列；所述的預測日季節(jié)為春季、夏季、秋季或冬季，所述的日類型為晴天、多云或雨天類型。
[0015]而且，所述輸出層數(shù)據(jù)為預測日6:00到18:00期間每小時的光伏發(fā)電預測量。
[0016]而且，所述步驟2的歸一化處理是將原始目標、輸入數(shù)據(jù)轉(zhuǎn)換到[0，1]區(qū)間內(nèi)，其歸一化公式為:
【權(quán)利要求】
1.一種基于LM-BP神經(jīng)網(wǎng)絡的光伏超短期功率預測方法，其特征在于:包括以下步驟: 步驟1:根據(jù)環(huán)境因素建立LM-BP神經(jīng)網(wǎng)絡預測模型并確定輸入層數(shù)據(jù)和輸出層數(shù)據(jù)； 步驟2 =LM-BP神經(jīng)網(wǎng)絡預測模型對輸入的數(shù)據(jù)進行歸一化處理； 步驟3:采用LM算法進行LM-BP神經(jīng)網(wǎng)絡訓練，得到更新權(quán)值的LM算法； 步驟4:計算光伏電站的光伏功率得到預測結(jié)果。
2.根據(jù)權(quán)利要求1所述的基于LM-BP神經(jīng)網(wǎng)絡的光伏超短期功率預測方法，其特征在于:所述步驟4后還包括預測結(jié)果校正的步驟:將已過去最近一小時的溫度光照與數(shù)據(jù)庫中同時段的歷史情況進行對比，若其數(shù)據(jù)與當前預測結(jié)果類似時可通過相似天數(shù)據(jù)情況對預測值進行修正調(diào)整；同時通過與數(shù)據(jù)庫中同時段的歷史最大、最小值進行比較，若大于歷史最大值，或小于歷史最 小值，則需要修正其結(jié)果為歷史最大值或歷史最小值。
3.根據(jù)權(quán)利要求1或2所述的基于LM-BP神經(jīng)網(wǎng)絡的光伏超短期功率預測方法，其特征在于:所述的LM-BP神經(jīng)網(wǎng)絡預測模型包括按季節(jié)構(gòu)建的四個預測子模型:春季模型、夏季模型、秋季模型和冬季模型以及按照天氣情況構(gòu)建的三個子模型:晴天模型、多云模型、雨天模型模型。
4.根據(jù)權(quán)利要求1或2所述的基于LM-BP神經(jīng)網(wǎng)絡的光伏超短期功率預測方法，其特征在于:所述的輸入層數(shù)據(jù)包括光照及溫度序列、預測日季節(jié)和日類型。
5.根據(jù)權(quán)利要求4所述的基于LM-BP神經(jīng)網(wǎng)絡的光伏超短期功率預測方法，其特征在于:所述的光照及溫度序列包括前一天白天6:00到18:00期間12小時逐小時的光照及溫度序列、預測日白天12小時逐小時的光照及溫度序列；所述的預測日季節(jié)為春季、夏季、秋季或冬季，所述的日類型為晴天、多云或雨天類型。
6.根據(jù)權(quán)利要求1或2所述的基于LM-BP神經(jīng)網(wǎng)絡的光伏超短期功率預測方法，其特征在于:所述輸出層數(shù)據(jù)為預測日6:00到18:00期間每小時的光伏發(fā)電預測量。
7.根據(jù)權(quán)利要求1或2所述的基于LM-BP神經(jīng)網(wǎng)絡的光伏超短期功率預測方法，其特征在于:所述步驟2的歸一化處理是將原始目標、輸入數(shù)據(jù)轉(zhuǎn)換到[0，1]區(qū)間內(nèi)，其歸一化公式為: 廣:P -Pnm — P -P.fnax Jttin 式中:P*為歸一化后的數(shù)據(jù)，P為樣本數(shù)據(jù)，Pfflax, Pfflin分別為P的最大值和最小值。
8.根據(jù)權(quán)利要求1或2所述的基于LM-BP神經(jīng)網(wǎng)絡的光伏超短期功率預測方法，其特征在于:所述步驟3得到的更新權(quán)值的LM算法為:
Aff = -[Jt(X).J(X)+ μ IF1Jt(X).e (X) 式中，μ為大于O的常數(shù)，I為單位矩陣，ei(X)為神經(jīng)網(wǎng)絡實際輸出與期望輸出的誤差，J(X)是Jacobian矩陣，Jt(X)是Jacobian矩陣的逆矩陣。
9.根據(jù)權(quán)利要求1或2所述的基于LM-BP神經(jīng)網(wǎng)絡的光伏超短期功率預測方法，其特征在于:所述步驟4的預測結(jié)果是通過以下方式計算得到:根據(jù)LM-BP神經(jīng)網(wǎng)絡預測模型得到的輸出層數(shù)據(jù)，逐個計算光伏站中每個光伏陣列的出力，然后求和得到整個光伏電站的出力預測結(jié)果；或者選取其中幾個有代表性的光伏陣列預測其出力，然后等效得到其他光伏陣列的出力預測結(jié)果 。
【文檔編號】G06Q50/06GK103489038SQ201310405590
【公開日】2014年1月1日 申請日期:2013年9月9日 優(yōu)先權(quán)日:2013年9月9日
【發(fā)明者】王永杰, 宋興旺, 陳向東, 高峻, 門浩, 張黎元, 李昕, 王蓓, 劉憲栩, 沈妍, 李曉永, 孫潔, 鄒廣宇 申請人:國家電網(wǎng)公司, 國網(wǎng)天津市電力公司