一种基于参考能量分布的太阳能短时动态预测方法技术

本发明专利技术涉及一种基于参考能量分布的太阳能短时动态预测方法，属于无线通信能量收集领域。以当天和历史能量分布中最近K个时隙能量标准差之差和它们的平均绝对误差加权和最小原则选取最相似能量分布；为降低有限历史能量分布中最相似能量分布与当前时隙的能量误差，引入缩放系数对最相似能量分布预测时隙的能量值进行修正，用能量修正值替代预测模型中最相似能量分布预测时隙的能量值；根据预测时隙前K个时隙与能量修正值的方差占其平均值的比值设计动态权重因子，实时调整能量预测模型中各部分的权重，以此提高预测准确率。本发明专利技术易于实现，具有很好的实用性和普适性。具有很好的实用性和普适性。具有很好的实用性和普适性。

【技术实现步骤摘要】
一种基于参考能量分布的太阳能短时动态预测方法


[0001]本专利技术属于无线通信能量收集领域，涉及一种基于参考能量分布的太阳能短时动态预测 方法。

技术介绍

[0002]无线传感器网络常采用电池供电，且经常部署在恶劣或不可达地区，不便或无法更换电 池。能量供给成为无线传感器网络发展的最大制约之一，为解决无线传感器网络中节点的持 续供能问题，能量收集技术应运而生。它收集自然界中的绿色能量为节点供电。其中，太阳 能因其无处不在、能量密度高、易获取等优势成为无线传感器网络节点供能的首选。但太阳 能受昼夜、季节、所处位置等影响较大，具有随机性、间歇性、不稳定性，需进行能量管理， 才能给节点提供稳定、持续的能量。而能量预测是能量管理的前提，通过预测未来时刻或时 段能量到达情况，节点就能制定合适的能量分配和使用策略。目前主流的太阳能能量预测方 法包括EWMA、WCMA、Pro
‑
Energy、QL
‑
SEP。
[0003]EWMA在天气一致下的预测效果非常显著，但在天气剧烈变化时的预测效果不佳，预测 误差较大。WCMA在EWMA基础上引入GAP因子降低天气变化带来的预测误差，Pro
‑
Energy 和QL
‑
SEP进一步提高了预测准确率，但是在天气变化剧烈时，这些方法还存在巨大的预测误 差。

技术实现思路

[0004]有鉴于此，本专利技术的目的在于提供一种基于参考能量分布的太阳能短时动态预测方法。 预测模型由当前时隙能量值和最相似能量分布预测时隙能量修正值通过动态权重因子加权组 成。
[0005]为达到上述目的，本专利技术提供如下技术方案：
[0006]一种基于参考能量分布的太阳能短时动态预测方法，该方法包括以下步骤：
[0007]S1：将一天等分为N个时隙，把每个时隙收集的能量值存储在一个N
×
1的矩阵中；选取 过去晴天、阴天和雨天的M个典型天气能量分布储存在N
×
M的矩阵中，称为历史能量分布；
[0008]S2：根据预测天预测时隙(n+1)的前K个时隙太阳能能量值和历史能量分布中最近K 个时隙能量标准差之差以及它们的平均绝对误差从典型天气能量分布选出最相似能量分布；
[0009]S3：根据最相似能量分布和预测天预测时隙前K个时隙能量值之间平均百分比计算出缩 放系数erate，然后计算出最相似能量分布在n+1时隙的能量修正值e
rep
(n+1)；
[0010]S4：根据最相似能量分布在n+1时隙的能量修正值偏离预测天预测时隙前K个时隙能量 平均值的程度计算出动态权重因子a：
[0011]S5：建立预测模型，得到如下太阳能能量预测方法：
[0012][0013]其中是预测时隙n+1的能量预测值，e(n)是当前时隙的能量值，e
rep
(n+1)是最 相似能量分布预测时隙的能量修正值，α是动态权重因子，0<α<1；
[0014]S6：每天所有时隙能量值预测结束后，根据时间新鲜度和相似度更新历史能量分布池， 当天N个时隙与每个历史能量分布的相似度，如果表征相似度的值的最小值大于阈值T
max
， 用当天的能量分布替代与当天相似度最高的历史能量分布，如果表征相似度的值的最小值小 于T
min
，用当天的能量分布替代离当天时间最久远的历史能量分布，更新能量池。
[0015]可选的，所述S2中，选择最相似能量分布的具体步骤如下：
[0016]计算预测天和历史能量分布第i天第n+1个时隙的前K个时隙的标准差之差，计算如下：
[0017][0018]其中，是预测天n+1时隙前K个时隙太阳能能量平均值，e(k)是预测天k时隙太阳能能量 值，是历史能量分布中第i天模型n+1时隙前K个时隙太阳能能量平均值，e
i
(k)是历史能 量分布第i天第k时隙太阳能能量值；
[0019]预测天和历史能量分布第i天第n+1个时隙的前K个时隙的能量平均误差，计算如下：
[0020][0021]最相似能量分布为SDV(i)和ER(i)加权和最小的能量模型，i
*
为最相似能量分布，其选 择方法为：
[0022]i
*
＝argmin(β*ER(i)+SDV(i))
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(4)。
[0023]可选的，所述S3中，最相似能量分布在n+1时隙能量修正值e
rep
(n+1)的计算步骤如下：
[0024]计算对最相似能量分布在n+1时隙能量值进行缩放的缩放系数为：
[0025][0026]式中，e
m
(k)是最相似能量分布第k时隙的能量值，e(k)是预测天第k时隙的能量值预测，为 防止干扰数据造成修正值过大或过小，设置了能量比值范围：TH
min
、TH
max
分别是最小、最 大阈值，它们使能量修正值保持在合理的范围内,e(k)/e
m
(k)表示为：
[0027][0028]由缩放系数erate和最相似能量分布在n+1时隙的能量值计算出最相似能量分布
在n+1时 隙的能量修正值为：
[0029]e
rep
(n+1)＝e
m
(n+1)*erate
ꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀꢀ
(7)。
[0030]可选的，所述S4中，计算动态权重因子α的具体步骤如下：
[0031]计算预测天n+1时隙前K个时隙能量值的方差：
[0032][0033]计算预测天n+1时隙前K个时隙能量值加上最相似能量分布在n+1时隙能量修正值的方 差：
[0034][0035]其中，为预测天n+1时隙前K个时隙能量值再加最相似能量分布在n+1时隙能量修正值的 能量平均值，计算如下：
[0036][0037]动态权重因子由上述俩个方差计算：
[0038][0039]其中，S是调整参数，为了使动态权重因子的范围从为使动态权重因子的范围能从0～0.5 扩大到0～1。
[0040]可选的，所述S6中，计算整个预测天与历史能量分布的相似度步骤如下：
[0041][0042]其中，N表示预测天的总时隙，e(k)，e
i
(k)分别是预测天和历史能量分布中第i天k时 隙太阳能能量值，和分别是预测天和历史能量分布中第i天的太阳能能量平均值，sim值 越小，相似度越高。
[0043]本专利技术的有益效果在于：
[0044](1)本专利技术针对天气变化剧烈情况下，相邻时隙能量值差距大、相关性变弱的问题，兼 顾能量绝对误差和能量变化趋势最大程度从历史能量分布中选择最相似能量分布，提高预测 方法预测准确率。
[0045](2)本专利技术计算能量修正值因历本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于参考能量分布的太阳能短时动态预测方法，其特征在于：该方法包括以下步骤：S1：将一天等分为N个时隙，把每个时隙收集的能量值存储在一个N
×
1的矩阵中；选取过去晴天、阴天和雨天的M个典型天气能量分布储存在N
×
M的矩阵中，称为历史能量分布；S2：根据预测天预测时隙(n+1)的前K个时隙太阳能能量值和历史能量分布中最近K个时隙能量标准差之差以及它们的平均绝对误差从典型天气能量分布选出最相似能量分布；S3：根据最相似能量分布和预测天预测时隙前K个时隙能量值之间平均百分比计算出缩放系数erate，然后计算出最相似能量分布在n+1时隙的能量修正值e
rep
(n+1)；S4：根据最相似能量分布在n+1时隙的能量修正值偏离预测天预测时隙前K个时隙能量平均值的程度计算出动态权重因子a：S5：建立预测模型，得到如下太阳能能量预测方法：其中是预测时隙n+1的能量预测值，e(n)是当前时隙的能量值，e
rep
(n+1)是最相似能量分布预测时隙的能量修正值，α是动态权重因子，0<α<1；S6：每天所有时隙能量值预测结束后，根据时间新鲜度和相似度更新历史能量分布池，当天N个时隙与每个历史能量分布的相似度，如果表征相似度的值的最小值大于阈值T
max
，用当天的能量分布替代与当天相似度最高的历史能量分布，如果表征相似度的值的最小值小于T
min
，用当天的能量分布替代离当天时间最久远的历史能量分布，更新能量池。2.根据权利要求1所述的一种基于参考能量分布的太阳能短时动态预测方法，其特征在于：所述S2中，选择最相似能量分布的具体步骤如下：计算预测天和历史能量分布第i天第n+1个时隙的前K个时隙的标准差之差，计算如下：其中，是预测天n+1时隙前K个时隙太阳能能量平均值，e(k)是预测天k时隙太阳能能量值，是历史能量分布中第i天模型n+1时隙前K个时隙太阳能能量平均值，e
i
(k)是历史能量分布第i天第k时隙太阳能能量值；预测天和历史能量分布第i天第n+1个时隙的前K个时隙的能量平均误差，计算如下：最相似能量分布为SDV(i)和ER(i)加权和最小的能量模型，i<...

【专利技术属性】
技术研发人员：李敏，李雨，李浩，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：