基于bp神經(jīng)網(wǎng)絡(luò)模型的csp輻射與熱能預(yù)測方法
【專利摘要】本發(fā)明公開了一種基于BP神經(jīng)網(wǎng)絡(luò)模型的CSP輻射與熱能預(yù)測方法，具體包括以下步驟：選取CSP輻射與熱能的影響因素，確定輸入輸出樣本，構(gòu)造BP神經(jīng)網(wǎng)絡(luò)模型，利用輸入輸出樣本訓(xùn)練BP神經(jīng)網(wǎng)絡(luò)，得到訓(xùn)練后的BP神經(jīng)網(wǎng)絡(luò)，所選取影響因素的實際數(shù)據(jù)預(yù)處理后作為測試輸入數(shù)據(jù)，輸入訓(xùn)練后的BP神經(jīng)網(wǎng)絡(luò)，即可得到輻射預(yù)測值和熱能預(yù)測值。該預(yù)測方法效率高，預(yù)測數(shù)據(jù)精準(zhǔn)，提高了光熱發(fā)電系統(tǒng)的安全穩(wěn)定運行和經(jīng)濟性。
【專利說明】基于BP神經(jīng)網(wǎng)絡(luò)模型的CSP輻射與熱能預(yù)測方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及光熱發(fā)電領(lǐng)域，尤其是指一種CSP (聚焦式太陽能發(fā)電)輻射與熱能預(yù)測方法。
【背景技術(shù)】
[0002]CSP光熱發(fā)電站是太陽能收集技術(shù)、常規(guī)汽輪發(fā)電機技術(shù)、控制技術(shù)、信息技術(shù)的集合體。它將太陽輻射通過反光鏡反射匯聚到吸熱器。太陽能吸熱器吸收太陽輻射能量后可以直接將熱能用于發(fā)電(產(chǎn)生蒸汽推動汽輪發(fā)電機發(fā)電)，也可以將熱能儲存在蓄熱介質(zhì)中，在沒有太陽光照的時段再利用蓄熱進(jìn)行發(fā)電。
[0003]CSP光熱發(fā)電站能夠收集到多少太陽能受理論太陽輻射強度(未受地球大氣層影響的太陽輻射)、云量、大氣透明度、鏡面效率等多重因素影響。太陽輻射具有間歇性和波動(隨機)性，這兩個特性取決于地球的赤緯角和大氣透明度、氣象條件變化等因素。因此光熱發(fā)電的集熱過程具有一定的不確定性，是一個不可控源，其發(fā)電的隨機性會影響光熱發(fā)電系統(tǒng)的安全、穩(wěn)定、經(jīng)濟運行。因此需要建立科學(xué)的太陽輻射、集熱、吸熱與熱能預(yù)測方法，提高光熱發(fā)電系統(tǒng)的安全穩(wěn)定運行和經(jīng)濟性，使電網(wǎng)可以盡量多的全額收購光熱發(fā)電(清潔、可再生能源)電量，同時又可以避免由于光熱發(fā)電的不確定性造成對電網(wǎng)的沖擊，獲得更大的經(jīng)濟效益和社會效益。
[0004]BP神經(jīng)網(wǎng)絡(luò)(Back Propagation Neural Network)是指基于誤差反向傳播算法的多層前向神經(jīng)網(wǎng)絡(luò)，BP神經(jīng)網(wǎng)絡(luò)具有良好的非線性函數(shù)逼近能力，能夠提高預(yù)測的精度。
[0005]BP神經(jīng)網(wǎng)絡(luò)的誤差反向傳播算法的學(xué)習(xí)過程，由信息的正向傳播和誤差的反向傳播兩個過程組成。輸入層各神經(jīng)元負(fù)責(zé)接收來自外界的輸入信息，并傳遞給中間層各神經(jīng)元；中間層是內(nèi)部信息處理層，負(fù)責(zé)信息變換，根據(jù)信息變換能力的需求，中間層可以設(shè)計為單隱層或者多隱層結(jié)構(gòu)；最后一個隱層傳遞到輸出層各神經(jīng)元的信息，經(jīng)進(jìn)一步處理后，完成一次學(xué)習(xí)的正向傳播處理過程，由輸出層向外界輸出信息處理結(jié)果。當(dāng)實際輸出與期望輸出不符時，進(jìn)入誤差的反向傳播階段。誤差通過輸出層，按誤差梯度下降的方式修正各層權(quán)值，向隱層、輸入層逐層反傳。周而復(fù)始的信息正向傳播和誤差反向傳播過程，是各層權(quán)值不斷調(diào)整的過程，也是神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)訓(xùn)練的過程，此過程一直進(jìn)行到網(wǎng)絡(luò)輸出的誤差減少到可以接受的程度，或者預(yù)先設(shè)定的學(xué)習(xí)次數(shù)為止。
[0006]BP神經(jīng)網(wǎng)絡(luò)具有以下特點:能夠以任意精度逼近任何非線性映射，實現(xiàn)對復(fù)雜系統(tǒng)建模；可以學(xué)習(xí)和自適應(yīng)未知信息，如果系統(tǒng)發(fā)生了變化可以通過修改網(wǎng)絡(luò)的聯(lián)接值而改變預(yù)測效果；分布式信息存儲與處理結(jié)構(gòu)，具有一定的容錯性，因此構(gòu)造出來的系統(tǒng)具有較好的魯棒性；多輸入、多輸出的模型結(jié)構(gòu)，適合處理復(fù)雜問題。如果能夠?qū)P神經(jīng)網(wǎng)絡(luò)應(yīng)用在CSP光熱發(fā)電站的太陽輻射、吸熱以及熱能預(yù)測必將能夠提高光熱發(fā)電站的運行穩(wěn)定性。

【發(fā)明內(nèi)容】
[0007]本發(fā)明需要解決的技術(shù)問題是提供一種基于BP神經(jīng)網(wǎng)絡(luò)模型的CSP(聚焦式太陽能發(fā)電)的輻射與熱能預(yù)測方法。
[0008]為解決上述技術(shù)問題，本發(fā)明所采取的技術(shù)方案如下:
基于BP神經(jīng)網(wǎng)絡(luò)模型的CSP輻射與熱能預(yù)測方法，具體包括以下步驟:
A.根據(jù)CSP輻射與熱能預(yù)測確定輸入向量、輸出向量；輸入向量為太陽輻射強度、大氣透明度、云量、鏡面反射效率、鏡面清潔度、鏡面位置以及鏡面角度，輸出向量為輻射預(yù)測值與熱能預(yù)測值；
B.根據(jù)輸入向量、輸出向量構(gòu)造符合CSP輻射與熱能預(yù)測的BP神經(jīng)網(wǎng)絡(luò)模型，并根據(jù)實際預(yù)測精度要求，設(shè)定誤差閾值；
C.以所選取的影響因素的歷史數(shù)據(jù)生成輸入向量，以所對應(yīng)時刻的輻射值與熱能值的歷史數(shù)據(jù)作為期望輸出向量，得到訓(xùn)練樣本；將所述輸入向量輸入所構(gòu)造的BP神經(jīng)網(wǎng)絡(luò)模型得到實際輸出向量，即為輻射與熱能的預(yù)測值；以輻射預(yù)測值與輻射期望值的均方根誤差、熱能預(yù)測值與熱能期望值的均方根誤差作為BP神經(jīng)網(wǎng)絡(luò)誤差反向傳播算法的輸入數(shù)據(jù)，對BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行循環(huán)往復(fù)訓(xùn)練，直至輸出的預(yù)測值與實際值之間的誤差小于設(shè)定閾值，得到訓(xùn)練后的BP神經(jīng)網(wǎng)絡(luò)模型；
D.根據(jù)所選取的影響因素的待預(yù)測時刻的實際數(shù)據(jù)生成測試輸入向量，將測試輸入向量輸入訓(xùn)練后的BP神經(jīng)網(wǎng)絡(luò)模型，其輸出為待預(yù)測時刻的CSP輻射值與熱能值。
[0009]本發(fā)明所述步驟B包括:
a)根據(jù)輸入向量的維數(shù)確定BP神經(jīng)網(wǎng)絡(luò)的輸入層神經(jīng)元數(shù)量為7；
b)根據(jù)輸出向量的維數(shù)確定BP神經(jīng)網(wǎng)絡(luò)的輸出層神經(jīng)元數(shù)量為2；
c)根據(jù)輸入層和輸出層的神經(jīng)元數(shù)量確定BP神經(jīng)網(wǎng)絡(luò)的中間層神經(jīng)元數(shù)量；
d)根據(jù)實際預(yù)測精度要求，設(shè)定誤差閾值。
[0010]本發(fā)明所述步驟D中的輸入向量為已經(jīng)過預(yù)處理的理論太陽輻射強度、大氣透明度、云量、鏡面反射效率、鏡面清潔度、鏡面位置、鏡面角度等參數(shù)。其影響因素包括:太陽位置、大氣透明度、云量、鏡面反射效率、鏡面清潔度、鏡面位置、鏡面角度。
[0011]由于采用了上述技術(shù)方案，本發(fā)明取得的技術(shù)進(jìn)步如下:
本發(fā)明利用BP神經(jīng)網(wǎng)絡(luò)良好的非線性逼近能力，提供了一種精準(zhǔn)預(yù)測CSP輻射與熱能的預(yù)測方法，應(yīng)用本發(fā)明所述的方法能夠提高光熱發(fā)電系統(tǒng)的安全、穩(wěn)定、經(jīng)濟運行性能，使電網(wǎng)可以盡量多的全額收購光熱發(fā)電(清潔、可再生能源)電量，同時又可以避免由于光熱發(fā)電的不確定性造成對電網(wǎng)的沖擊，獲得更大的經(jīng)濟效益和社會效益。
[0012]所述輸入向量由各影響因素的數(shù)據(jù)直接生成，但當(dāng)輸入數(shù)值存在個別錯誤值(如觀測儀器故障、未知因素干擾等)，會導(dǎo)致計算復(fù)雜度升高且計算結(jié)果偏差大，影響預(yù)測效率。為此，本發(fā)明通過對原始樣本進(jìn)行預(yù)處理(剔除奇異數(shù)值)，來降低預(yù)測的計算復(fù)雜度，提高預(yù)測精度、預(yù)測效率以及預(yù)測模型的收斂速度，避免由于個別奇異數(shù)值造成不必要的預(yù)測復(fù)雜度增加或預(yù)測失敗。
【專利附圖】

【附圖說明】
[0013]圖1是本發(fā)明的流程圖?！揪唧w實施方式】
[0014]下面結(jié)合附圖對本發(fā)明作更進(jìn)一步詳細(xì)說明:
本發(fā)明是利用人工智能神經(jīng)網(wǎng)絡(luò)構(gòu)建CSP輻射與熱能預(yù)測方法，利用該方法對CSP光熱發(fā)電站所收集的太陽輻射能和熱能進(jìn)行預(yù)測，為光熱發(fā)電系統(tǒng)提供可靠數(shù)據(jù)。
[0015]基于BP神經(jīng)網(wǎng)絡(luò)模型的CSP輻射與熱能預(yù)測方法，其流程圖如圖1所示，具體包括以下步驟:
A.根據(jù)CSP輻射與熱能預(yù)測確定輸入向量、輸出向量；輸入向量為太陽輻射強度、大氣透明度、云量、鏡面反射效率、鏡面清潔度、鏡面位置以及鏡面角度，輸出向量為輻射預(yù)測值與熱能預(yù)測值。
[0016]B.根據(jù)輸入向量、輸出向量構(gòu)造符合CSP輻射與熱能預(yù)測的BP神經(jīng)網(wǎng)絡(luò)模型，并根據(jù)實際預(yù)測精度要求，設(shè)定誤差閾值，其過程如下:
a)根據(jù)輸入向量的維數(shù)確定BP神經(jīng)網(wǎng)絡(luò)的輸入層神經(jīng)元數(shù)量，因為本發(fā)明中的輸入向量為理論太陽輻射強度、大氣透明度、云量、鏡面反射效率、鏡面清潔度、鏡面位置、鏡面角度，所以將輸入層神經(jīng)元數(shù)量設(shè)定為7 ；
b)根據(jù)輸出向量的維數(shù)確定BP神經(jīng)網(wǎng)絡(luò)的輸出層神經(jīng)元數(shù)量，因為本發(fā)明中輸出向量為熱能預(yù)測值和輻射預(yù)測值，因此將輸出層的神經(jīng)元數(shù)量設(shè)定為2 ；
c)根據(jù)輸入層和輸出層的神經(jīng)元數(shù)量確定BP神經(jīng)網(wǎng)絡(luò)的中間層神經(jīng)元數(shù)量，根據(jù)BP神經(jīng)網(wǎng)絡(luò)系統(tǒng)的應(yīng)用經(jīng)驗，將中間神經(jīng)元的數(shù)量設(shè)置為4?13，中間神經(jīng)元的具體數(shù)量需要根據(jù)實際的預(yù)測過程來確定，根據(jù)非線性函數(shù)的不同復(fù)雜程度和不同的預(yù)測精度，可以通過反復(fù)試驗法和經(jīng)驗來確定中間神經(jīng)元的數(shù)量，增加中間層神經(jīng)元數(shù)量可以提高預(yù)測精度，但會使訓(xùn)練時間變長；
d)根據(jù)實際預(yù)測精度要求設(shè)定誤差閾值:如果預(yù)測是為了電網(wǎng)實時運行調(diào)度需要提供逐小時發(fā)電功率預(yù)測則要求預(yù)測精度高；如果是為了安排發(fā)電機組定期檢修維護(hù)需要的相對長期的周負(fù)荷預(yù)測、日負(fù)荷預(yù)測則預(yù)測要求相對精度較低。
[0017]C.以所選取的影響因素的歷史數(shù)據(jù)生成輸入向量，以所對應(yīng)時刻的輻射值與熱能值的歷史數(shù)據(jù)作為期望輸出向量，得到訓(xùn)練樣本；將所述輸入向量輸入所構(gòu)造的BP神經(jīng)網(wǎng)絡(luò)模型得到實際輸出向量，即為輻射與熱能的預(yù)測值；以輻射預(yù)測值與輻射期望值的均方根誤差、熱能預(yù)測值與熱能期望值的均方根誤差作為BP神經(jīng)網(wǎng)絡(luò)誤差反向傳播算法的輸入數(shù)據(jù)對BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行循環(huán)往復(fù)訓(xùn)練，直至輸出的預(yù)測值與期望值之間的誤差小于設(shè)定閾值，得到訓(xùn)練后的BP神經(jīng)網(wǎng)絡(luò)模型。
[0018]D.根據(jù)所選取的影響因素的待預(yù)測時刻的實際數(shù)據(jù)生成測試輸入向量，將測試輸入向量輸入訓(xùn)練后的BP神經(jīng)網(wǎng)絡(luò)模型，其輸出即為待預(yù)測時刻的CSP輻射值與熱能值。
[0019]在對光熱發(fā)電輻射和熱能進(jìn)行預(yù)測的過程中，影響光熱發(fā)電輻射與熱能的主要因素為太陽輻射強度和鏡面效率。太陽輻射強度主要取決于太陽位置、大氣透明度、云量的影響。其中，太陽位置由時角(表征地球自轉(zhuǎn)對太陽位置的影響，以正午12點為0，O?12點為負(fù)，12?24點為正)和赤緯角(表征地球公轉(zhuǎn)對太陽位置的影響，太陽地球中心連線和地球赤道平面的夾角)決定，時角、赤緯角可以通過天文觀測提前預(yù)測計算獲得，并且可以直接計算得到每天各時刻的理論太陽輻射強度。大氣透明度、云量則需要在光熱電站建立專用實時氣象觀測獲得，再通過BP神經(jīng)網(wǎng)絡(luò)得出理論太陽輻射強度、大氣透明度、云量和實際太陽輻射強度的關(guān)系。
[0020]鏡面效率包括鏡面反射效率、鏡面清潔度、余弦效率、鏡面角度、太陽能接收器開孔效率等等。這幾項內(nèi)容受光熱電站的定日鏡設(shè)計、鏡場設(shè)計地理位置、太陽能接收器開孔設(shè)計等影響。由于光熱電站的每面定日鏡都處于不同的位置，它們的反射效率、余弦效率、太陽能接收器開孔效率因物理位置不同而各不相同，鏡面效率需要針對每面定日鏡根據(jù)鏡面位置、鏡面角度分別計算，然后匯總計算得出CSP光熱發(fā)電站總的鏡面效率。
[0021]上述因素綜合作用決定了地面光熱電站所能接收到的可利用的太陽能量的大小。
[0022]本發(fā)明中BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型的輸入數(shù)據(jù)為已經(jīng)過預(yù)處理的理論太陽輻射強度、大氣透明度、云量、鏡面反射效率、鏡面清潔度、鏡面位置、鏡面角度等參數(shù)；輸出數(shù)據(jù)為輻射預(yù)測值與熱能預(yù)測值。預(yù)處理過程即剔除奇異數(shù)值，奇異數(shù)值是指由于傳感器故障或數(shù)據(jù)采集系統(tǒng)錯誤引起的輸入數(shù)據(jù)明顯偏離正常范圍的數(shù)值或經(jīng)判斷需要舍棄的錯誤數(shù)據(jù)。
[0023]本發(fā)明利用BP神經(jīng)網(wǎng)絡(luò)良好的非線性逼近能力，提供了一種精準(zhǔn)預(yù)測CSP輻射與熱能的預(yù)測方法，應(yīng)用本發(fā)明所述的方法能夠提高光熱發(fā)電系統(tǒng)的安全、穩(wěn)定、經(jīng)濟運行性倉泛。
【權(quán)利要求】
1.基于BP神經(jīng)網(wǎng)絡(luò)模型的CSP輻射與熱能預(yù)測方法，其特征在于具體包括以下步驟: A.根據(jù)CSP輻射與熱能預(yù)測系統(tǒng)的影響因素和所需預(yù)測數(shù)據(jù)確定輸入向量和輸出向量:輸入向量為太陽輻射強度、大氣透明度、云量、鏡面反射效率、鏡面清潔度、鏡面位置以及鏡面角度，輸出向量為CSP輻射預(yù)測值與熱能預(yù)測值； B.根據(jù)輸入向量、輸出向量構(gòu)造符合CSP輻射與熱能預(yù)測的BP神經(jīng)網(wǎng)絡(luò)模型，并根據(jù)實際預(yù)測精度要求，設(shè)定誤差閾值； C.以所選取的影響因素的歷史數(shù)據(jù)生成輸入向量，以所對應(yīng)時刻的輻射值與熱能值的歷史數(shù)據(jù)作為期望輸出向量，得到訓(xùn)練樣本；將所述輸入向量輸入所構(gòu)造的BP神經(jīng)網(wǎng)絡(luò)模型得到實際輸出向量，即為輻射與熱能的預(yù)測值；以輻射預(yù)測值與輻射期望值的均方根誤差、熱能預(yù)測值與熱能期望值的均方根誤差作為BP神經(jīng)網(wǎng)絡(luò)誤差反向傳播算法的輸入數(shù)據(jù)對BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行循環(huán)往復(fù)訓(xùn)練，直至輸出的預(yù)測值與期望值之間的誤差小于設(shè)定閾值，得到訓(xùn)練后的BP神經(jīng)網(wǎng)絡(luò)模型； D.根據(jù)所選取的影響因素的待預(yù)測時刻的實際數(shù)據(jù)生成測試輸入向量，將測試輸入向量輸入訓(xùn)練后的BP神經(jīng)網(wǎng)絡(luò)模型，其輸出即為待預(yù)測時刻的CSP輻射值與熱能值。
2.根據(jù)權(quán)利要求1所述的基于BP神經(jīng)網(wǎng)絡(luò)模型的CSP輻射與熱能預(yù)測方法，其特征在于:步驟B包括如下過程: a)根據(jù)輸入向量的維數(shù)確定BP神經(jīng)網(wǎng)絡(luò)的輸入層神經(jīng)元數(shù)量為7； b)根據(jù)輸出向量的維數(shù)確定BP神經(jīng)網(wǎng)絡(luò)的輸出層神經(jīng)元數(shù)量為2； c)根據(jù)輸入層和輸出層的神經(jīng)元數(shù)量確定BP神經(jīng)網(wǎng)絡(luò)的中間層神經(jīng)元數(shù)量； d)根據(jù)實際預(yù)測精度要求，設(shè)定誤差閾值。
3.根據(jù)權(quán)利要求1所述的基于BP神經(jīng)網(wǎng)絡(luò)模型的CSP輻射與熱能預(yù)測方法，其特征在于:步驟D中的輸入向量為已經(jīng)過預(yù)處理的理論太陽輻射強度、大氣透明度、云量、鏡面反射效率、鏡面清潔度、鏡面位置以及鏡面角度。
【文檔編號】G06Q10/04GK103955768SQ201410180819
【公開日】2014年7月30日 申請日期:2014年4月30日 優(yōu)先權(quán)日:2014年4月30日
【發(fā)明者】秦初升, 李才永 申請人:河北省電力勘測設(shè)計研究院