基于卷积神经网络的光热电场太阳直接法向辐射预测方法技术

基于卷积神经网络的光热电场太阳直接法向辐射强度预测方法，利用深度学习中的CNN设计了一种CSP电场的DNI预测方法，以达到克服传统预测方法的缺点，且较为准确地得到预测值的目的，从而使CSP电站易于调度，及进一步减轻新能源发电并网时对现有电力系统造成的冲击。首先对太阳直接法向辐射的特点进行分析，根据得到的特点选用卷积神经网络，并对网络中的参数进行修改与调试，最终得到一种预测方法，以降低光热电站接入电网时带来的消极影响。本预测方法可以较为准确地预测光热电场的太阳直接法向辐射强度。

Prediction method of solar direct normal radiation based on convolution neural network

【技术实现步骤摘要】
基于卷积神经网络的光热电场太阳直接法向辐射预测方法
本专利技术涉及太阳直接法向辐射(DirectNormalIrradiance,DNI)预测技术，特别是基于卷积神经网络(ConvolutionalNeuralNetwork,CNN)的太阳直接法向辐射预测技术。
技术介绍
近年来，一种利用太阳能的新型发电方式—光热储能发电(ConcentratingSolarPower,CSP)方式出现在历史舞台，它凭借着特有的热能存储子系统，可以快速调节系统出力，降低新能源发电并网时对已有电力系统造成冲击的特点成为现阶段的研究热点。因为CSP电站由于需要大量的太阳能——DNI，所以需要在具有以上特点的我国西北部建设。我国西北部复杂多变的气候条件对CSP电站的调度，及其出力的预测造成了一定的困难。现有针对DNI的预测方法主要是利用神经网络的预测，估算太阳辐射。但以往传统浅层预测网络在工作时会产生梯度丢失，陷入局部最小等问题，降低了整个网络的准确性。
技术实现思路
本专利技术的目的是提供一种基于卷积神经网络的光热电场太阳直接法向辐射预测方法。本文档来自技高网...

【技术保护点】
1.基于卷积神经网络的光热电场太阳直接法向辐射预测方法，其特征在于，其步骤为：/n步骤1：从本质上出发，太阳直接法向辐射属于时间序列，对其进行预测可以参考时间序列预测的标准及方法；本专利技术采用的评价指标为均方根误差、平均相对误差、平均准确度；/n步骤2：对预测方法的整体框架进行设计，基于卷积神经网络的太阳直接法向辐射预测方法的主程序主要包括：数据的预处理、网络基本参数的设定、初始化子程序、训练子程序及测试子程序；其中网络基本参数的设定主要包括：输入输出层神经元的个数、卷积层与池化层的排列及个数、卷积核的大小、池化方式、卷积层输出特征图的个数、激活函数及代价函数的类型、训练及测试样本的分配；/...

【技术特征摘要】
1.基于卷积神经网络的光热电场太阳直接法向辐射预测方法，其特征在于，其步骤为：
步骤1：从本质上出发，太阳直接法向辐射属于时间序列，对其进行预测可以参考时间序列预测的标准及方法；本发明采用的评价指标为均方根误差、平均相对误差、平均准确度；
步骤2：对预测方法的整体框架进行设计，基于卷积神经网络的太阳直接法向辐射预测方法的主程序主要包括：数据的预处理、网络基本参数的设定、初始化子程序、训练子程序及测试子程序；其中网络基本参数的设定主要包括：输入输出层神经元的个数、卷积层与池化层的排列及个数、卷积核的大小、池化方式、卷积层输出特征图的个数、激活函数及代价函数的类型、训练及测试样本的分配；
步骤3：本发明是设计光热电场的太阳直接法向辐射预测方法，以时间作为输入，以太阳直接法向辐射作为输出；故输入层神经元的个数为4，输出层神经元的个数为1，即输入样本为四维，输出样本为一维；
步骤4：结合上一步四维输入向量的设定，在输入层后加入一层卷...

【专利技术属性】
技术研发人员：王兴贵，李锦键，王海亮，郭群，杨维满，李晓英，郭永吉，
申请(专利权)人：兰州理工大学，
类型：发明
国别省市：甘肃;62