一种光伏发电功率短期预测方法及装置制造方法及图纸

本发明专利技术公开了一种光伏发电功率短期预测方法及装置，包括数据输入输出及处理模块、模型参数优化模块和预测模型训练及应用模块。其中数据输入输出及处理模块包括原始数据归一化和预测结果反归一化单元、GA编码单元和GA适应度函数计算单元；模型参数优化模块包括RBM初始参数优化单元和RBM模型训练与NARX参数初始化单元；预测模型训练及应用模块即NARX神经网络训练及应用单元。

【技术实现步骤摘要】
一种光伏发电功率短期预测方法及装置
本专利技术属于光伏发电领域，尤其涉及一种基于改进NARX神经网络算法的分布式光伏发电功率短期预测方法及装置。
技术介绍
光伏发电系统受环境影响较为明显，具体表现在波动性、不确定性和间歇性，由于环境的变化会直接影响到光伏发电功率的多少，从而降低了光伏发电功率的预测精度。因此，建立行之有效的光伏发电功率短期预测模型对电网的安全调度和经济管理具有重要的意义。迄今为止，学者们对光伏发电功率预测进行了不同层次的研究，其研究方法主要包括两种：统计预测方法和人工智能预测方法。在统计预测方法方面，建立多元线性回归预测算法进行光伏发电功率预测，模型的输入参数为风速和历史光伏发电功率。建立灰色神经网络组合模型，将温度和太阳辐射强度作为模型输入参数，预测未来24小时的光伏发电功率。在人工智能预测方法方面，采用距离分析法将发电功率与气象因素关联起来，输入因子确定为气温和湿度，建立基于BP神经网络的发电功率短期预测模型。通过建立循环神经网络(RecurrentNeuralNetwork,RNN)的光伏发电功率预测模型，输入参数本文档来自技高网...

【技术保护点】
1.一种光伏发电功率短期预测装置，其特征在于，包括数据输入输出及处理模块、模型参数优化模块和预测模型训练及应用模块；其中数据输入输出及处理模块包括原始数据归一化和预测结果反归一化单元、GA编码单元和GA适应度函数计算单元；模型参数优化模块包括RBM初始参数优化单元和RBM模型训练与NARX参数初始化单元；预测模型训练及应用模块即NARX神经网络训练及应用单元。/n

【技术特征摘要】
1.一种光伏发电功率短期预测装置，其特征在于，包括数据输入输出及处理模块、模型参数优化模块和预测模型训练及应用模块；其中数据输入输出及处理模块包括原始数据归一化和预测结果反归一化单元、GA编码单元和GA适应度函数计算单元；模型参数优化模块包括RBM初始参数优化单元和RBM模型训练与NARX参数初始化单元；预测模型训练及应用模块即NARX神经网络训练及应用单元。


2.采用权利要求1所述的一种光伏发电功率短期预测装置的应用方法，其特征在于，应用于光伏功率预测数据处理的改进GA-RBM模型参数优化适应度函数选择；
针对RBM模型的个体适应度函数的设计需考虑以下两个因素：RBM模型对训练样本的似然程度和可见层单元维数对RBM的训练作用；对于第一个因素，用重构误差的方法来评价训练样本的似然程度，第j次迭代的重构误差如下：



其中，M,N分别是训练样本的个数和可见层的维数，可见层为输入层，包括总辐射、温度和风速，Pm,i为测试数据集中第m个样本第i维的数据值，P′m,i为训练迭代后计算得到的第m个样本第i维的数据值；
对于第二个因素，可见层单元维数会影响整个模型的效率和精度，主要体现在以下两个方面：
①过多的可见单元会影响RBM训练效率；
②过少的可见单元难以确保训练数据涵盖特征信息量。
因此可将第k个个体的适应度函数定义如下：
F(k)＝min(ErrorK/(M×N))
其中，ErrorK表示RBM在进行K次迭代后最小的重构误...

【专利技术属性】
技术研发人员：朱想，郭力，师浩琪，赵宗政，柴园园，刘一欣，
申请(专利权)人：天津大学，
类型：发明
国别省市：天津;12