一种基于思维进化算法优化小波神经网络的光伏功率预测方法技术

本发明专利技术公开了一种基于思维进化算法优化小波神经网络的光伏功率预测方法。从光伏功率预测系统数据库模块获取光伏历史数据及空气质量数据；对历史数据建立小波神经网络的预测模型，通过引入尺度和平移两个新的参数，提高预测模型的函数逼近能力；并采用思维进化算法对BP神经网络的权值和阈值进行优化，有效的解决了现存预测模型中存在的光伏功率超短期预测精度不足，容易陷入局部极小值问题。同时在权值修正环节采用附加动量项方法进行改进，从而提升收敛速度；将预测好的数据作为输入数据进行滚动预测，从而可以实现跨时间间隔的多步预测。该预测方法与传统光伏预测方法相比，预测精度更高，收敛速度更快。

A photovoltaic power prediction method based on thought evolution algorithm to optimize the wavelet neural network

The invention discloses a photovoltaic power prediction method based on the thought evolution algorithm to optimize the wavelet neural network. Get the PV of historical data and air quality data from photovoltaic power prediction system database module; prediction model of historical data to establish the wavelet neural network, by introducing the scale and shift of two new parameters, improve the function approximation ability of prediction model; and optimized by the method of thinking into the BP neural network weights and threshold, effective to solve the existing photovoltaic power prediction model in forecasting the lack of precision, easy to fall into the local minimum value problem. At the same time, the added momentum method is used to improve the convergence speed in the weight correction link, so as to improve the convergence speed. The predicted data can be used as rolling prediction of input data, so that multi time prediction across time intervals can be realized. Compared with the traditional method of PV prediction, the prediction accuracy is higher and the convergence speed is faster.

【技术实现步骤摘要】
一种基于思维进化算法优化小波神经网络的光伏功率预测方法
本专利技术涉及电力系统控制与预测
，具体地，涉及一种基于思维进化算法优化小波神经网络的光伏功率预测方法。
技术介绍
随着可再生清洁能源发电的大力发展，光伏发电作为最为成熟的可再生能源发电方式之一，已经在世界范围内得到广泛利用。然而由于光伏出力情况受天气因素影响较大且变化较快，光伏出力具有突变性和间歇性，这增加了光伏并网运行调度的难度。光伏出力的超短期预测是指从预报时刻至未来4小时内对光伏并网功率预测，每15分钟一个预测点，每15分钟滚动预测一次，且要满足预测的均方根误差≤10％。因此，准确预测光伏出力对提高系统安全性和稳定性和整个电网调度而言具有重要的意义。近年来国内外广泛使用的光伏出力预测方法大致可以分为两种：一种是直接法(统计法)主要是根据数理统计预测理论及方法；另一种是间接法(物理法)是基于光伏发电系统物理发电原理进行预测。这些方法有的不能体现光伏出力的非线性特征；有的需要庞大的数据库作为支撑，代价昂贵且精度有待提高；并且随着空气质量问题的严重性愈发突出，应将空气污染指数AQI作为需要考虑到的因素进行预测。理论上来说，通过选取合适的网络结构和隐含层节点数，BP神经网络能够以任意精度逼近给定的函数或信号。然而在实际应用中，难以科学的确定网络结构，学习训练最优权数时，其BP算法存在着收敛速度慢、容易陷入局部极小值等固有缺陷,从而影响了短期负荷预报的可靠性和准确性。
技术实现思路
为了克服以上现有的技术问题，本专利技术提供一种光伏出力超短期预测方法，并采用思维进化算法对BP神经网络的权值和阈值进行优化，有效的解决了现存预测模型中存在的光伏功率超短期预测精度不足，容易陷入局部极小值问题。但是进化算法存在缺陷收敛速度慢的缺陷。将小波分析与优化后BP神经网络结合起来，引入尺度和平移两个新的参数，使小波网络具有更高的自由度，从而具有更有效的函数逼近能力，同时在权值修正环节采用附加动量项方法进行改进，从而提升收敛速度，使得该模型预测精度更高，收敛速度更快。本专利技术的技术方案如下：一种基于思维进化算法优化的神经小波网络的光伏出力预测方法，包括如下步骤：(1)数据的获取和预处理：从光伏功率预测系统的数据处理模块中获取指定的时间范围内光伏出力数据和空气质量数据，并由此得到训练集和预测集，并进行归一化处理。(2)初始权值和阈值的生成(2.1)随机产生初始种群、优胜子种群和临时子种群。(2.2)子种群趋同操作：在子群体范围内，个体成为胜者而竞争的过程叫做趋同。一个子群体在趋同的过程中，若不再产生新的胜者，则称该子群体已经成熟。当子群体成熟时，该子群体的趋同过程结束，转到步骤2.3，同时补充新的种群。(2.3)子种群异化操作：各子群体进行全局竞争，若一个临时子群体的得分高于某个成熟的优胜子群体，则该优胜子群体被获胜的临时子群体替代。原优胜子群体中的个体被释放；若一个成熟的临时子群体的得分低于任意一个优胜子群体的得分，则该临时子群体被废弃，其中的个体被释放。被释放的个体在全局范围内重新进行搜索并形成新的临时群体。在整个解空间中，各子群体为成为胜者而竞争，不断地探测解空间中新的点。(2.4)当满足迭代停止条件时，思维进化算法结束优化过程。此时，找到最优个体输出，根据编码规则，对寻找到的最优个体进行解析，从而得到对应的神经小波网络的权值和阈值(3)创建预测小波神经网络进行预测(3.1)根据上述最优个体提供的阈值和权值信息创建神经小波网络并对其进行初始化，利用经归一化后的训练集数据作为神经小波网络的输入输出数据，采用附加动量优化进一步训练小波神经网络直至收敛。(3.2)对上述训练好的小波神经网络输入经归一化处理后的预测集数据，对光伏出力进行预测，并对网络输出进行反归一化出力并得到最终预测结果。(3.3)将预测后得到的数据作为下一个15min时间点的预测输入值之一，修改相应其他预测集输入值，采用此训练好的的神经网络模型进行滚动预测，直至预测完接下来4小时内每15分钟的数据点的预测。(4)将此光伏出力预测系统所完成的预测数据传输到电网调度系统使用。进一步地，步骤(1)中所述的指定时间范围内的光伏出力和空气质量指数数据是指一定个数的等时间间隔的按时间先后顺序排列的一组数据：Input＝[input(t-(n+r)Δt),input(t-(n+r-1)Δt),input(t-(n+r-2)Δt),...,input(t-Δt)]其中input＝AQId,AQId-1,pd-1,pn-1,pn-2,pn-3，式中AQId为当天空气质量指数，AQId-1为前一天空气质量指数，pd-1为前一天同一时刻光伏出力情况，pn-1，pn-2，pn-3分别表示预测点前三个数据点光伏出力数据；则预测系统的训练集输入输出分别为：输入：输出：预测集的输入输出分别为输入：Pn_prediction＝[AQId(t),AQId-1(t),pd-1(t),pn-1(t),pn-2(t),pn-3(t)]输出：Tn_prediction＝pn(d)所述归一化处理即为把所有数据都转换为[0,1]之间的数，本专利技术采用最小的最小法归一化处理，函数形式为：xk＝(xk-xmean)/(xmax-xmin)其中xmean为数据序列的均值，xmax和xmin为数据序列最大最小值，经归一化处理后，消除了各维数据之间的数量级的差别，避免因为输入输出数据数量级差别较大而造成网络预测误差较大。在步骤3.2中，对于预测得到的光伏出力数据同样要采用反归一化得到真实值。进一步得，步骤2中对不同种群编码并采取思维进化算法操作包括：1编码并随机产生初始种群，由于小波神经网络结构已经确定为6-10-1，所以权值/阈值总个数已经确定为81个，对于每个权值阈值，在[0,1]之间以均匀分布产生多组随机数，作为初始的权值和阈值群体。2个体得分函数设定，本专利技术选择训练集的均方误差的倒数作为各个个体和子种群的得分函数，函数表达式为：式中yi表示第i个训练样本的网络输出值，ti标志目标输出，p为训练样本数。3对每个种群分别进行迭代趋同、异化、选择操作生成新种群，并采用2中得分函数进行评估4优化终止条件判断，判断神经网络优化终止条件是否满足，若优化终止条件满足，则思维进化算法优化过程结束，输出最优个体，并按照编码规则进行解码，产生神经小波网络的初始权值和阈值信息；否则，返回对每个种群进行重新优化，优化条件为进化迭代次数达到上限或者连续若干带思维进化算法优化木匾函数数值没有变化。步骤3中构建的小波神经网络根据本专利技术适用情况，采用6-10-1结构。考虑到MexicanHat函数为Gauss函数的二阶导数，它在时域和频率都有很好的局部化，本文采用小波基函数MexicanHat母小波基函数，其数学公式为：步骤3.1中对神经小波网络采用的附加动量法优化，由于传统神经小波网络采用梯度修正法修正网络的权值和小波基函数参数，容易导致收敛速度慢。可以采用增加动量项的方法提高网络学习效率，增加动量项的权值和参数修正公式为：ak(i+1)＝ak(i)+Δak(i+1)+k·(ak(i)-ak(i-1))bk(i+1)＝bk(i)+Δbk(i+1)+k·(bk(i)-bk(i-本文档来自技高网...

【技术保护点】
一种基于思维进化算法优化小波神经网络的光伏功率预测方法，其特征在于，包括如下步骤：(1)数据的获取和预处理：从光伏功率预测系统的数据处理模块中获取指定的时间范围内光伏出力数据和空气质量数据，并由此得到训练集和预测集，并进行归一化处理；(2)生成初始权值和阈值的；(3)创建预测小波神经网络进行预测；(4)将此光伏出力预测系统所完成的预测数据传输到电网调度系统使用。

【技术特征摘要】
1.一种基于思维进化算法优化小波神经网络的光伏功率预测方法，其特征在于，包括如下步骤：(1)数据的获取和预处理：从光伏功率预测系统的数据处理模块中获取指定的时间范围内光伏出力数据和空气质量数据，并由此得到训练集和预测集，并进行归一化处理；(2)生成初始权值和阈值的；(3)创建预测小波神经网络进行预测；(4)将此光伏出力预测系统所完成的预测数据传输到电网调度系统使用。2.根据权利要求1所述的一种基于思维进化算法优化小波神经网络的光伏功率预测方法，其特征在于，步骤(2)包括以下步骤：(2.1)随机产生初始种群、优胜子种群和临时子种群；(2.2)子种群趋同操作：在子群体范围内，个体成为胜者而竞争的过程叫做趋同；一个子群体在趋同的过程中，若不再产生新的胜者，则称该子群体已经成熟；当子群体成熟时，该子群体的趋同过程结束，转到步骤2.3，同时补充新的种群；(2.3)子种群异化操作：各子群体进行全局竞争，若一个临时子群体的得分高于某个成熟的优胜子群体，则该优胜子群体被获胜的临时子群体替代；原优胜子群体中的个体被释放；若一个成熟的临时子群体的得分低于任意一个优胜子群体的得分，则该临时子群体被废弃，其中的个体被释放；被释放的个体在全局范围内重新进行搜索并形成新的临时群体；在整个解空间中，各子群体为成为胜者而竞争，不断地探测解空间中新的点；(2.4)当满足迭代停止条件时，思维进化算法结束优化过程；此时，找到最优个体输出，根据编码规则，对寻找到的最优个体进行解析，从而得到对应的神经小波网络的权值和阈值。3.根据权利要求1所述的一种基于思维进化算法优化小波神经网络的光伏功率预测方法，其特征在于，步骤(3)包括：(3.1)根据上述最优个体提供的阈值和权值信息创建神经小波网络并对其进行初始化，利用经归一化后的训练集数据作为神经小波网络的输入输出数据，采用附加动量优化进一步训练小波神经网络直至收敛；(3.2)对上述训练好的小波神经网络输入经归一化处理后的预测集数据，对光伏出力进行预测，并对网络输出进行反归一化出力，得到最终预测结果；(3.3)将预测后得到的数据作为下一个15min时间点的预测输入值之一，修正相应其他预测集输入值，采用此训练好的的神经网络模型进行滚动预测，直至预测完接下来4小时内每15分钟预测点的数据，从而实现跨时间间隔的多步预测；其中，所述输入输出数据是指一定个数的等时间间隔的按时间先后顺序排列的一组数据：Input＝[input(t-(n+r)Δt),input(t-(n+r-1)Δt),input(t-(n+r-2)Δt),...,input(t-Δt)]其中input＝AQId,AQId-1,pd-1,pn-1,pn-2,pn-3，式中AQId为当天空气质量指数，AQId-1为前一天空气质量指数，pd-1为前一天同一时刻光伏出力情况，pn-1，pn-2，pn-3分别表示预测点前三个数据点光伏出力数据；则预测系统的训练集输入输出分别为：输入：输出：预测集的输入输出分别为输入：Pn_prediction＝[A...

【专利技术属性】
技术研发人员：郭虎，刘文颖，汪宁渤，蔡万通，周强，夏鹏，陈钊，张雨薇，王贤，赵龙，朱丹丹，丁坤，王方雨，马明，吕良，王明松，姚春晓，张健美，王定美，
申请(专利权)人：华北电力大学，甘肃省电力公司风电技术中心，国网甘肃省电力公司，国家电网公司，
类型：发明
国别省市：北京,11