一种基于改进的NARX神经网络微气象监测系统及方法技术方案

本发明专利技术公开了一种基于改进的NARX神经网络的微气象监测系统及方法，它包括：采集微气象监测所需相关参数的历史数据；对采集到的数据进行归一化处理；将处理后的数据作为训练样本输入到改进的NARX神经网络中进行训练；并通过指定网络性能评价函数确定NARX神经网络预测模型的权值和阈值的优化效果；将测试样本输入到训练好的改进NARX神经网络中，并将输出值进行反归一化，得到实际预测值；本发明专利技术利用IR算法使训练所得的网络权值较小，网络响应趋于平滑，降低过拟合的可能性，改进的NARX神经网络建立模型对对气象变化的趋势进行预测，实现基于气象数据的对新能源场站出力精确预测。

A micro meteorological monitoring system and method based on improved NARX neural network

The invention discloses a micro meteorological monitoring system and method based on the improved NARX neural network, which includes: collecting the historical data of relevant parameters required for micro meteorological monitoring; normalizing the collected data; inputting the processed data as training samples into the improved NARX neural network for training; and determining the NARX God by specifying the network performance evaluation function Through the optimization effect of the weight and threshold of the network prediction model, the test sample is input into the trained improved NARX neural network, and the output value is inverse normalized to obtain the actual prediction value; the invention uses the IR algorithm to make the network weight obtained by the training smaller, the network response tends to be smooth, and the possibility of over fitting is reduced, and the improved NARX neural network model is established for the weather The trend of change is predicted, and the output of new energy stations is accurately predicted based on meteorological data.

【技术实现步骤摘要】
一种基于改进的NARX神经网络微气象监测系统及方法
本专利技术涉及无线传感网
，具体地，特别是涉及一种基于改进的NARX神经网络微气象监测系统及方法。
技术介绍
近年来,我国的风电、光伏等新能源发电迎来了爆发式增长,装机容量不断攀升，然而新能源发电与火力发电不同，其场站的选址分散，而且地处偏远，周边自然环境通常较为恶劣，交通不畅，定期检修设备的难度大；且新能源发电受气象条件影响较大，通过对气象变化的趋势进行预测，实现基于气象数据的对新能源场站出力精确预测，可以提高新能源发电供电质量和供电可靠性；目前对于输电线路的微气象监测主要依靠气象部门，但其提供的数据往往繁杂且数据精度不适用于新能源发电监测，难以满足实际需要，其与监控中心如何稳定、高效的进行数据通信也是亟待解决的问题；另外，收集的大量数据如何进行数据分析运算，实现对新能源场站出力精确预测也非常关键。
技术实现思路
针对以上现有技术中的不足，本专利技术的目的在于提供一种低复杂度、自组织、低功耗、低数据速率、低成本的基于改进的NARX神经网络的微气象监测系统。本专利技术的技术方案如下：一种基于改进的NARX神经网络的微气象监测系统，其包括若干设置于输电线路上的终端数据采集节点、汇聚节点、远程数据传输网络及远端监测主站；所述终端数据采集节点包括微气象传感器、数据存储模块、数据通信模块、处理模块、训练模块、计算输出模块及电源模块，各模块和中央控制器单元通过I2C通讯协议通讯，每16s完成一次各气象测量传感器的数据信息汇总，并生成报文，通过数据通信模块发送至前置数据采集服务器。进一步，处理模块，对采集到的数据进行归一化处理；训练模块，将处理后的数据作为训练样本输入到改进NARX神经网络中进行训练；计算输出模块，将测试样本输入到训练好的改进NARX神经网络中，并将输出值进行反归一化，得到实际预测值。进一步，微气象传感器采用市场上主流气象传感器，配备了风速、风向、雨量、光照、紫外强度、温度、湿度、气压传感器。一种基于改进的NARX神经网络的微气象监测方法，其特征在于：它包括如下步骤：步骤A，采集微气象监测所需相关参数的历史数据，所需相关参数包括风速、风向、雨量、光照、紫外强度、温度、湿度、气压；步骤B，对采集到的数据进行归一化处理；步骤C，将处理后的数据作为训练样本输入到改进的NARX神经网络中进行训练；并通过指定网络性能评价函数确定NARX神经网络预测模型的权值和阈值的优化效果；步骤D，将测试样本输入到训练好的改进NARX神经网络中，并将输出值进行反归一化，得到实际预测值。所述的归一化公式为：其中：为归一化后的数据；xi为归一化前的数据；xmax和xnim分别为变量x的最大值和最小值；所述NARX神经网络预测模型的结构包含二个中间层，其中一个中间层负责接收较长的输入输出延迟数据序列，另一个中间层负责接收较短的输入输出延迟数据序列，两个中间层之间无联系；所述对改进的NARX神经网络预测模型进行训练的方法为改进的正则化算法；所述改进的正则化算法的网络性能评价函数为：F(w)＝(1-γ)ED+γEW式中：F(w)为网络性能评价函数值；w为权值；γ为修正因子，0≤γ≤1，取值0.3；EW为网络所有权值或阈值的平方和；ED为网络误差的平方和；所述EW和ED的计算公式分别为：为第p对输入输出样本数据的网络误差平方和；dk为第k个输出层节点的目标输出；yk为第k个输出层节点的网络输出；为第p对输入输出样本数据的网络权值平方和；Nw为网络的可调权值个数；wij为第i个时延层节点到第j个中间层节点间权值；wjk为第j个中间层节点到第k个输出层节点的权值；n个时延层节点；h个中间层节点；m个输出个数；所述中间层的激活函数为:输出层的线性处理函数为f0(x)＝x，且输出层和中间层权值修正量分别为：式中:为第p对输入输出样本数据的输出层权值修正量；第p对输入输出样本数据的中间层权值修正量；λ为中间层激活函数的参数，取值为1；为第p对输入输出样本数据的第k个输出层节点的目标输出；为第p对输入输出样本数据的第k个输出层节点的网络输出；为第p-1对输入输出样本数据的第j个中间层节点到第k个输出层节点的权值；为第p对输入输出样本数据的第j个中间层节点输入；为第p对输入输出样本数据的第i个输出层节点的输入；所述输出层和中间层权值的调整分别为：wij(p)＝wij(p-1)-ηΔwij(p)式中：η为学习速率，取值为0.006。所述均方根误差法的公式为:其中,RMSE(y,ym)为均方根误差的值y为测试样本中目标值；ym为反归一化后的模型的预测值；N为数据样本数目。本专利技术的优点是：1、以新能源场站为圆心，辐射分布气象监测站，按照地理位置将区域进行网格状划分，根据各气象站监测的各网格的气象数据，通过采用基于算法改进和结构改进的NARX神经网络模算法，对气象变化的趋势进行预测，实现基于气象数据的对新能源场站出力精确预测。2、采用了贝叶斯正则化(BR)算法将网络权值平方和与误差平方和的加权作为性能评价函数，采用莱温伯格-马夸特(LM)算法进行权值(和阈值)调整，对传统贝叶斯正则化算法进行了改进，摒弃了利用贝叶斯公式修正权值概率密度的过程，采用正则化算法进行权值修正，并简称之为改进的贝叶斯正则化算法(IR算法),利用IR算法使训练所得的网络权值较小，网络响应趋于平滑，降低过拟合的可能性，改进的NARX神经网络建立模型对对气象变化的趋势进行预测，实现基于气象数据的对新能源场站出力精确预测。附图说明图1是改进的NARX神经网络结构图；图2是改进的NARX神经网络的微气象监测流程图；图3是根据测量的微气象数据，完成了风电出力的预测；图4是根据测量的微气象数据，完成了光伏出力的预测结果；具体实施方式实施例1：本实施例是一种基于改进的NARX神经网络的风速预测方法，它包括如下步骤：步骤A，采集风速预测所需相关参数的历史数据，相关参数包括风速、桨距角、转速和功率，根据风机的空气动力学模型，可知功率为风速、桨距角和转速的函数；步骤B，对采集到的数据进行归一化处理，为神经网络训练做好准备，按照如下公式：所述的归一化公式为：其中：为归一化后的数据；xi为归一化前的数据；xmax和xnim分别为变量x的最大值和最小值。所述xmax和xnim分别分别取1和-1；步骤C，建立N本文档来自技高网...

【技术保护点】
1.一种基于改进的NARX神经网络的微气象监测系统，其特征在于：它包括若干设置于输电线路上的终端数据采集节点、汇聚节点、远程数据传输网络及远端监测主站；所述终端数据采集节点包括微气象传感器、数据存储模块、数据通信模块、处理模块、训练模块、计算输出模块及电源模块；所述处理模块，对采集到的数据进行归一化处理；所述训练模块，将处理后的数据作为训练样本输入到改进NARX神经网络中进行训练；计算输出模块，将测试样本输入到训练好的改进NARX神经网络中，并将输出值进行反归一化，得到实际预测值；各模块和中央控制器单元通过I2C通讯协议通讯，每16s完成一次各气象测量传感器的数据信息汇总，并生成报文，通过数据通信模块发送至前置数据采集服务器。/n

【技术特征摘要】
1.一种基于改进的NARX神经网络的微气象监测系统，其特征在于：它包括若干设置于输电线路上的终端数据采集节点、汇聚节点、远程数据传输网络及远端监测主站；所述终端数据采集节点包括微气象传感器、数据存储模块、数据通信模块、处理模块、训练模块、计算输出模块及电源模块；所述处理模块，对采集到的数据进行归一化处理；所述训练模块，将处理后的数据作为训练样本输入到改进NARX神经网络中进行训练；计算输出模块，将测试样本输入到训练好的改进NARX神经网络中，并将输出值进行反归一化，得到实际预测值；各模块和中央控制器单元通过I2C通讯协议通讯，每16s完成一次各气象测量传感器的数据信息汇总，并生成报文，通过数据通信模块发送至前置数据采集服务器。


2.根据权利要求1所述一种基于改进的NARX神经网络的微气象监测系统，其特征在于：微气象传感器包括风速、风向、雨量、光照、紫外强度、温度、湿度、气压传感器。


3.一种基于改进的NARX神经网络的微气象监测方法，其特征在于：包括如下步骤：
步骤A，采集微气象监测所需相关参数的历史数据；
步骤B，对采集到的数据进行归一化处理；
步骤C，将处理后的数据作为训练样本输入到改进的NARX神经网络中进行训练；并通过指定网络性能评价函数确定NARX神经网络预测模型的权值和阈值的优化效果；
步骤D，将测试样本输入到训练好的改进NARX神经网络中，并将输出值进行反归一化，得到实际预测值；
所述的归一化公式为：



其中：

为归一化后的数据；
xi为归一化前的数据；
xmax和xnim分别为变量x的最大值和最小值；
所述对改进的NARX神经网络预测模型进行训练的方法为改进的正则化算法；
所述改进的正则化算法的网络性能评价函数为：
F(w)＝(1-γ)ED+γEW
式中：
F(w)为网络性能评价函数值；
w为权值；
γ为修正因子，0≤γ≤1，取值0.3；
EW为网络所有权值或阈值的平方和；
ED为网络误差的平方和；
所述EW和ED的计算公式分别为：







为第p对输入输出样本数据...

【专利技术属性】
技术研发人员：顾阳，张亮，戴欣，王新迪，孙宏斌，史继芳，袁青，
申请(专利权)人：国网江苏省电力有限公司金湖县供电分公司，国网江苏省电力有限公司淮安供电分公司，南京工程学院，
类型：发明
国别省市：江苏;32