一种太阳能无人机电池板电压的预测方法技术

本发明专利技术提供了一种太阳能无人机电池板电压的预测方法。所述太阳能无人机电池板电压的预测方法包括如下步骤：一、获取太阳能电池板的运行参数，根据所述运行参数得到训练集和预测集，并对晴天时太阳能电池板的运行参数数据进行归一化处理；二、结合归一化后的训练集搭建BP神经网络；三、根据自适应差分算法优化得到所述BP神经网络的初始权值和初始阈值；四、将优化得到的权值和阈值作为所述BP神经网络的初始权值和初始阈值，并利用所述训练集对所述BP神经网络进行训练；五、将所述预测集内的待预测数据输入所述BP神经网络内，根据所述BP神经网络输出的预测值与实际值进行对比，并评估预测结果的准确性。

【技术实现步骤摘要】
一种太阳能无人机电池板电压的预测方法
本专利技术涉及太阳能无人机中太阳能电池电压预测领域，具体地涉及一种太阳能无人机电池板电压的预测方法。
技术介绍
随着社会发展，化石燃料面临枯竭，环境的问题也日益突出。为解决这一难题，人类对可再生能源开始关注，其中绿色无污染的太阳能就成为研究者所关注的焦点。作为一种有效利用太阳能的方式，太阳能无人机已经有了一定程度的发展。但是考虑到无人机上表面的电池发电受到很有因素的影响，电压(功率)受外界因素影响变化较大，会对无人机长时间续航受到影响，因此对机翼上表面的太阳能电池板输出电压预测是十分重要的。太阳能电池输出电压与天气条件密切相关，提前对输出电压进行预测，并提高预测精度，具有十分重要的意义。
技术实现思路
本专利技术的目的在于针对现有技术的缺陷，提供一种太阳能无人机电池板电压的预测方法，通过自适应差分进化算法(简称：SADE)优化BP神经网络算法，从而大大改善了BP神经网络的性能，提高了预测值的精度。本专利技术的技术方案如下：一种太阳能无人机电池板电压的预测方法包括如下步骤：一、获取太阳能电池板的运行参数，根据所述运行参数得到训练集和预测集，并对晴天时太本文档来自技高网...

【技术保护点】
一种太阳能无人机电池板电压的预测方法，其特征在于：包括如下步骤：一、获取太阳能电池板的运行参数，根据所述运行参数得到训练集和预测集，并对晴天时太阳能电池板的运行参数数据进行归一化处理；二、结合归一化后的训练集搭建BP神经网络；三、根据自适应差分算法优化得到所述BP神经网络的初始权值和初始阈值；四、将优化得到的权值和阈值作为所述BP神经网络的初始权值和初始阈值，并利用所述训练集对所述BP神经网络进行训练；五、将所述预测集内的待预测数据输入所述BP神经网络内，根据所述BP神经网络输出的预测值与实际值进行对比，并评估预测结果的准确性。

【技术特征摘要】
1.一种太阳能无人机电池板电压的预测方法，其特征在于：包括如下步骤：一、获取太阳能电池板的运行参数，根据所述运行参数得到训练集和预测集，并对晴天时太阳能电池板的运行参数数据进行归一化处理；二、结合归一化后的训练集搭建BP神经网络；三、根据自适应差分算法优化得到所述BP神经网络的初始权值和初始阈值；四、将优化得到的权值和阈值作为所述BP神经网络的初始权值和初始阈值，并利用所述训练集对所述BP神经网络进行训练；五、将所述预测集内的待预测数据输入所述BP神经网络内，根据所述BP神经网络输出的预测值与实际值进行对比，并评估预测结果的准确性。2.根据权利要求1所述的一种太阳能无人机电池板电压的预测方法，其特征在于：在步骤一中，采用光强计和多用表测量太阳能电池板的运行参数，所述运行参数包括光照强度、外界温度和电压；而且，将光照强度和外界温度作为输入变量，电压作为输出变量，由此得到训练集和预测集并选取晴天时的运行参数数据，并进行归一化处理。3.根据权利要求1所述的一种太阳能无人机电池板电压的预测方法，其特征在于：在步骤二中，根据输入数据和输出数据的维数，确定BP神经网络的隐含层的神经元数和输出层的神经元数，其计算公式如下：L1＝2m+1；L2＝log2n；其中，L1为隐含层节点数，L2为输出层节点数，m为输入层节点数，n为输出层节点数。4.根据权利要求1所述的一种太阳能无人机电池板电压的预测方法，其特征在于：在步骤三中，具体包括如下步骤：设定自适应差分进化算法的初始种群：基于上述训练集和预测集，采用实体编码方法，设定初始种群大小Np、基因维数D、变异因子F、交叉因子CR以及每个基因的变化范围，且将BP神经网络的误差作为种群中个体适应度值，在解空间随机初始化种群：并随机生成：其中，xi(0...

【专利技术属性】
技术研发人员：沈建新，王海新，徐建国，
申请(专利权)人：南京航空航天大学，
类型：发明
国别省市：江苏,32