基于改进麻雀算法的化工园区光伏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麻雀算法的化工园区光伏监测系统及方法，所述系统包括气象采集模块、数据模块、LoRa通信模块、网关、NB

【技术实现步骤摘要】
基于改进麻雀算法的化工园区光伏监测系统及方法


[0001]本专利技术涉及光伏发电功率预测技术，特别是一种基于改进麻雀算法的化工园区光伏监测系统及方法。

技术介绍

[0002]随着当今社会的发展，人们更关注绿色能源的发展，太阳能具有取之不尽用之不竭、可再生能源、绿色无污染。因此化工园区可利用光伏发电的技术减少经济，光伏功率精度对光伏发电具有重大意义，提升光伏精度，做好光伏预测能够更好的控制成本，实现经济性。
[0003]关于光伏功率预测方法主要包括物理方法、统计方法和人工智能算法。其中物理方法直接构建了光伏发电近似物理模型，其中物理公式存在难解度以及误差，因此不是最优光伏预测方法；其次统计方法依据找出其历史数据内在规律，是需要大量的历史数据作为基本，因此统计方法时间周期较长；
[0004]其中人工智能算法中元启发式学习方法受生物活度习性得到启发，存在单一性，容易陷入局部最优。因此出现组合方法，将不同模型进行结合，通过利用不同模型的优势，挖掘更有用的信息，避免单一方法的不足，更能提高光伏预测的精度。

技术实现思路

[0005]专利技术目的：本专利技术的目的是提供一种基于改进麻雀算法的化工园区光伏监测系统及方法，从而提高模型的预测性能，进一步提高预测精度。
[0006]技术方案：本专利技术所述的一种基于改进麻雀算法的化工园区光伏监测系统及方法，包括气象采集模块、数据模块、LoRa通信模块、网关、NB
‑
IoT模块、云平台、云服务器、光伏功率预测模块以及用户端；/>[0007]所述气象采集模块用于采集化工园区相关数据；
[0008]所述数据模块用于将气象采集模块所得数据形成数据库文件通过LoRa通信模块发送至网关；
[0009]所述网关用于接收数据模块传送的数据，通过NB
‑
IoT模块上传至云平台，同时也接收云平台所发送的指令；
[0010]所述云平台用于汇集网关上传的数据通过API接口将数据推送给云服务器进行数据处理，同时转发云服务器下发的相关指令；
[0011]所述云服务器用于搭建网络、贮存相关数据、下发指令以及光伏预测，其中云服务器还包含光伏功率预测模块；
[0012]所述光伏功率预测模块用于光伏功率预测以及预测结果的分析；
[0013]所述用户端用于使用户通过手机、电脑登录网页随时实时监控系统的运行情况。
[0014]所述气象采集模块包含追日列阵、辐射仪、风速风向仪、温湿度传感器以及气压传感器。
[0015]所述化工园区相关数据包括太阳入射角度和方向、太阳辐射、风速风向、空气温度与湿度以及大气压强。
[0016]一种基于改进麻雀算法的化工园区光伏监测系统，所述光伏功率预测模块包括以下：
[0017]深度分解模块：根据气象采集模块所得的太阳辐射数据进行分解降低其复杂程度；
[0018]ISSA
‑
DBN预测计算模块：使用加入精英反向学习策略、柯西变异策略和Metropolis准则协同改进的SSA与DBN结合的预测模型，然后根据深度分解模块所得的数据进行预测计算从而得到预测的太阳辐射数据；
[0019]辐射转化功率模块：根据ISSA
‑
DBN预测计算模块得到的太阳辐射数据通过相关公式转化为光伏功率；
[0020]分析模块：根据所得的光伏功率通过平分绝对百分比误差(MAPE)、均方根误差(RMSE)、和平均绝对误差(MAE)进行评比。
[0021]一种基于改进麻雀算法的化工园区光伏监测方法，包括以下步骤：
[0022](1)通过气象采集模块采集到的太阳辐射数据构成时间序列S(t)，得到完整的原始序列；
[0023](2)运用ICCEMDAN分解方法将原始序列分解成n个本征模态分量；
[0024](3)运用样本熵量化n个本征模态分量的复杂度，分离出复杂度较高的m个分量和复杂度较低的n
‑
m个分量；
[0025](3.1)VMD将原始序列s(t)分解为k个分量，保证分解序列为具有中心频率的有限带宽的模态分量，同时各模态的估计带宽之和最小，约束条件为所有模态之和与原始信号相等，则相应约束变分表达式为：
[0026][0027][0028]式中，K为需要分解的模态分数，{u
k
}、{ω
k
}分别对应分解后第k个模态分量和中心频率，δ(t)为狄拉克函数，j表示虚数单位，*为卷积运算符；
[0029](3.2)引入Lagrange乘法算子λ，将约束变分问题转变为非约束变分问题，得到增广Lagrange表达式为：
[0030][0031]式中，α为二次惩罚因子，作用是降低高斯噪声的干扰；
[0032](3.3)利用交替方向乘子迭代算法结合等距变换，优化得到各模态分量和中心频率，并搜寻增广Lagrange函数的鞍点，交替寻优迭代后的u
k
,ω
k
和λ的表达式如下：
[0033][0034][0035]式中，γ为噪声容忍度，满足信号分解的保真度要求，其中和分别对应为u
i
(t)、s(t)和λ(t)的傅里叶变换；
[0036](3.4)n次迭代中的Lagrange乘子根据下式更新：
[0037][0038]式中，γ为迭代系数。
[0039](4)对复杂度较高的m个分量通过VMD再次分解；
[0040](5)对分解后的n个分量通过ISSA
‑
DBN预测模型进行预测；
[0041](5.1)初始化DBN的权重，加入反向精英策略对SSA种群初始化，反向精英策略中，设x
ij
为普通麻雀个体i在j维上的值，则其位置反向解如下式：
[0042][0043]式中，K∈[
‑
1，1]，a
j
＝min(X
ij
)，b
j
＝max(X
ij
)；
[0044](5.2)更新搜寻者位置，使用柯西变异策略对追随者进行更新，接着计算麻雀个体适应度值，找出当前最优麻雀个体和最劣麻雀个体，其中柯西变异策略如下：
[0045][0046]式中，cauchy(0，1)为标准柯西分布函数；
[0047](5.3)利用Metropolis准则判定是否接收新解，是则更新麻雀位置转至步骤(5.4)，否则重复步骤(5.2)，其中Metropolis准则如下式：
[0048][0049]式中，T
e
为当前温度，x为当前麻雀位置，x
′
为候选麻雀位置；比较t与区间；
[0050](5.5)算法寻优结束，得到最优麻雀个体适应度值和最优麻雀个体，从而得到DBN网络最优参数组合，从而构成ISSA
‑
DBN预测模型。
[0051](6)对n个分量预测结果叠加求和，得到光伏预本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于改进麻雀算法的化工园区光伏监测系统，其特征在于，包括气象采集模块、数据模块、LoRa通信模块、网关、NB
‑
IoT模块、云平台、云服务器、光伏功率预测模块以及用户端；所述气象采集模块用于采集化工园区相关数据；所述数据模块用于将气象采集模块所得数据形成数据库文件通过LoRa通信模块发送至网关；所述网关用于接收数据模块传送的数据，通过NB
‑
IoT模块上传至云平台，同时也接收云平台所发送的指令；所述云平台用于汇集网关上传的数据通过API接口将数据推送给云服务器进行数据处理，同时转发云服务器下发的相关指令；所述云服务器用于搭建网络、贮存相关数据、下发指令以及光伏预测；所述光伏功率预测模块用于光伏功率预测以及预测结果的分析；所述用户端用于使用户通过手机、电脑登录网页随时实时监控系统的运行情况。2.根据权利要求1所述的一种基于改进麻雀算法的化工园区光伏监测系统，其特征在于，所述云服务器还包含光伏功率预测模块。3.根据权利要求1所述的一种基于改进麻雀算法的化工园区光伏监测系统，其特征在于，所述气象采集模块包含追日列阵、辐射仪、风速风向仪、温湿度传感器以及气压传感器。4.根据权利要求1所述的一种基于改进麻雀算法的化工园区光伏监测系统，其特征在于，所述化工园区相关数据包括太阳入射角度和方向、太阳辐射、风速风向、空气温度与湿度以及大气压强。5.根据权利要求1所述的一种基于改进麻雀算法的化工园区光伏监测系统，其特征在于，所述光伏功率预测模块包括以下：深度分解模块：根据气象采集模块所得的太阳辐射数据进行深度分解降低其复杂程度；ISSA
‑
DBN预测计算模块：使用加入精英反向学习策略、柯西变异策略和Metropolis准则协同改进的SSA与DBN结合的预测模型，然后根据深度分解模块所得的数据进行预测计算从而得到预测的太阳辐射数据；辐射转化功率模块：根据ISSA
‑
DBN预测计算模块得到的太阳辐射数据通过相关公式转化为光伏功率；分析模块：根据所得的光伏功率通过平分绝对百分比误差、均方根误差和平均绝对误差进行评比。6.一种基于改进麻雀算法的化工园区光伏监测方法，其特征在于，包括以下步骤：(1)通过气象采集模块采集到的太阳辐射数据构成时间序列S(t)，得到完整的原始序列；(2)运用ICCEMDAN分解方法将原始序列分解成n个本征模态分量；(3)运用样本熵量化n个本征模态分量的复杂度，分离出复杂度较高的m个分量和复杂度较低的n
‑
m个分量；(4)对复杂度较高的m个分量通过VMD再次分解；(5)对分解后的n个分量通过I...

【专利技术属性】
技术研发人员：王希，苏浩，孙娜，张帅，郝祥淼，彭甜，张楚，纪捷，黄凤芝，王建国，应根旺，马从国，张楠，姜伟，陈帅，
申请(专利权)人：淮阴工学院，
类型：发明
国别省市：