基于仿生模糊模型的光伏系统发电功率预测方法及装置制造方法及图纸

本发明专利技术实施例公开了一种基于仿生模糊模型的光伏系统功率预测方法及装置，首先，采用主元分析法在预设输入变量中选取模型输入变量，根据模型输入变量构建T

【技术实现步骤摘要】
基于仿生模糊模型的光伏系统发电功率预测方法及装置


[0001]本专利技术涉及光伏发电
，特别是涉及一种基于仿生模糊模型的光伏系统发电功率预测方法及装置。

技术介绍

[0002]为应对全球范围内的能源环境危机，我国提出“碳达峰、碳中和”战略目标。作为碳排放占比较高的产业，发电行业的转型刻不容缓。在此背景下，以风电、光伏、地热为代表的新能源发电成为备受关注的焦点。相较于风能、地热能和潮汐能等受地域限制严重的能源，太阳能资源在具有显著环境友好性之外，还表现出覆盖范围广、能量巨大且较易获取等优势，已成为最受推崇的能源之一。
[0003]目前，太阳能发电通常采用光伏发电的方式。光伏发电是指利用半导体界面的光生伏特效应将光能直接转变为电能的一种技术，该技术所采用的光伏系统一般由光伏阵列、逆变器、控制单元及其余组件构成。在一定辐照条件和外界温度下，光伏阵列通过光伏效应将太阳能转化为直流电，然后基于所设计的控制结构，通过逆变器将直流电转化为和电网频率相同的可并网交流电。
[0004]但是，由于太阳能受环境影响较大，光伏系统对辐照度和环境温本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于仿生模糊模型的光伏系统发电功率预测方法，其特征在于，包括：采用主元分析法在预设输入变量中选取模型输入变量；根据模型输入变量构建T
‑
S(Takagi
‑
Sugeno)模糊模型，所述T
‑
S模糊模型通过If
‑
Then规则将前件部分和后件部分相结合，其中，所述前件部分为数据所属数据聚类情况，后件部分为数据聚类对应的局部模型；获取光伏系统的多组采样数据，所述采样数据包含所有模型输入变量的数据类型，且在不同的季节和气候进行采集；利用花粉传粉算法对所有采样数据进行自动聚类，生成多个数据聚类，并计算每个数据聚类的聚类中心和聚类半径；根据聚类中心和聚类半径获得每个数据聚类对应的局部模型；利用已知所有数据聚类和每个数据聚类对应局部模型的T
‑
S模糊模型计算光伏系统的发电功率。2.根据权利要求1所述的方法，其特征在于，所述根据模型输入变量构建T
‑
S(Takagi
‑
Sugeno)模糊模型，包括：利用If
‑
Then规则构建T
‑
S模糊模型，所述T
‑
S模糊模型由下式表示：R
i
:Ifv(t)∈(c
i
,r
i
),Then其中，R
i
指T
‑
S模糊模型中的第i条模糊规则，c
i
和r
i
分别表示T
‑
S模糊模型中第i个数据聚类的聚类中心和聚类半径，和分别是第i个局部模型的模型输出变量和参数向量；v(t)为增量向量，由下式表示：v(t)＝[Δu1(t),Δu2(t),Δu3(t),
…
,Δu
m
(t),Δy(t)]
T
t＝(2,
…
,N),N)其中，Δu
m
(t)为在第t个时刻获取的采样数据中，第m个模型输入变量的增量，Δy(t)为在第t个时刻获取的采样数据中，输出变量的增量，u(t)为在第t个时刻获取的采样数据，即所有模型输入变量构成的数据向量，y(t)为在第t个时刻获取的采样数据中的输出变量，即在第t个时刻光伏系统的发电功率，为模型输入变量与第i个数据聚类对应的稳态值向量，为输出变量与第i个数据聚类对应的稳态值，所述稳态值为变量与数据聚类的聚类中心相对应的数值。3.根据权利要求2所述的方法，其特征在于，所述获取光伏系统的多组采样数据，包括：以预设时间间隔为采样周期获得光伏系统的运行数据并构成数据向量，将所述数据向量作为采样数据，所述运行数据至少包括数据采集时刻、太阳光辐照强度、地表地外辐照强度、气象信息以及光伏系统的发电功率。4.根据权利要求3所述的方法，其特征在于，所述利用花粉传粉算法对所有采样数据进行自动聚类，生成多个数据聚类，并计算每个数据聚类的聚类中心和聚类半径，包括：对所有采样数据按照采集时间进行排序，获得数据向量列表；设置一个初始数据聚类，将数据向量列表中的首个数据向量作为初始数据聚类的首个
元素及聚类中心；由初始数据聚类开始，将数据向量列表中的数据向量划分为多个数据聚类，并计算每个数据聚类的聚类中心，包括以下步骤：判断当前划分的数据聚类所包含的元素总数是否小于预设聚类规模，如果所述元素总数小于预设聚类规模，在数据向量列表中选取一个数据向量；判断所述数据向量与当前聚类中心之间的距离是否小于预设阈值，如果是，利用选取的数据向量重新计算聚类中心，将所述数据向量加入到当前划分的数据聚类中，并继续判断当前划分的数据聚类所包含的元素总数是否小于预设聚类规模；如果否，重新在数据向量列表内选取一个未参与过计算的数据向量，并继续判断所述数据向量与当前聚类中心之间的距离是否小于预设阈值；如果所述元素总数不小于预设聚类规模，将当前划分的数据聚类作为一个完整的数据聚类；在数据向量列表中继续选取一个未参与过计算的数据向量，作为新划分的数据聚类的首个元素及聚类中心，按照以上步骤重新划分新的数据聚类并计算聚类中心，直到数据向量列表中未参与过计算的元素总数小于预设聚类规模为止；在划分出所有数据聚类并计算出对应的聚类中心之后，利用每个数据聚类的聚类中心计算对应的聚类半径。5.根据权利要求4所述的方法，其特征在于，所述利用选取的数据向量重新计算聚类中心，包括：在(0,1)范围内随机生成一个常数，判断所述常数是否大于预设转换概率P，如果是，按照以下方式计算聚类中心：采用花粉传粉算法中的全局传粉过程方式，按照下式计算聚类中心：其中，x
i
(n)是第n次计算数据聚类i的聚类中心时，在数据向量列表中选取的数据向量；为数据聚类i当前的最佳聚类中心(的初始值为数据聚类i中的首个元素)，按照以下方式获得计算c
i
(n+1)以及当前的分别与数据聚类i中各个元素之间的平均欧式距离，作为各自的适应度值，将二者中适应度值最小的作为下一次计算聚类中心时的最佳聚类中心η为预设的比例因子；M为计算聚类中心时预设的最大计算次数，其数值等于预设聚类规模；L(λ)表示Levy分布，如下式所示：其中，Γ(λ)是标准伽马函数，S是远大于零的预设步长，λ的值为1.5；如果否，按照以下方式计算每个数据聚类的聚类中心：采用花粉传粉算法中的局部传粉过程方式，按照下式计算聚类中心：c
i
(n+1)＝x
i
(n)+ε[x
i
(n)
‑
x
i
(j)](n＝1,2,
…
,M)其中，x
...

【专利技术属性】
技术研发人员：徐硕，张玉刚，陈德为，张澈，王洋，梁泰宇，杨继明，王军，
申请(专利权)人：北京华能新锐控制技术有限公司，
类型：发明
国别省市：