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 ...
【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
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。