[发明专利]一种光伏电站发电功率的神经网络预测方法

说明书

技术领域

本发明涉及一种光伏电站发电功率的神经网络预测方法，根据气象历史数据和发电功率历史数据建立拟合相应函数关系的神经网络模型，并由气象历史数据和建立的神经网络模型预测未来一段时间光伏电站的发电功率曲线。

背景技术

大规模光伏并网发电是利用太阳能的一种有效方式，但光伏发电系统受光照强度和环境温度等因素的影响，其输出功率的变化具有不确定性，不利于电网调度部门安排常规电源和光伏发电的协调配合。因此，需要对光伏系统的输出功率预测进行研究，预先获得其输出功率曲线，从而协调电网调度部门统筹安排，减少光伏发电随机性对电力系统的影响，提高系统安全性和稳定。对光伏电站的输出功率进行预测有助于电网调度部门统筹安排常规电源和光伏发电的协调配合,适时及时地调整调度计划,合理安排电网运行方式,一方面有效地减轻光伏接入对电网的不利影响,提高电力系统运行的安全性和稳定性,另一方面降低电力系统的旋转备用容量和运行成本,以充分利用太阳能资源,获得更大的经济效益和社会效益。

光伏系统的输出功率具有波动性和间歇性。在光伏发电功率预测中，需要考虑的因素很多，如太阳光照强度、太阳入射角度、光伏阵列的安装角度、转换效率、大气压、温度以及其他一些随机因素。对于既定的光伏系统来说，一个明显的特征就是光伏系统发电功率的时间序列本身具有高度自相关性，因为在光伏系统的历史发电功率时间序列中，所有光伏发电输出功率历史数据来自于同一套发电系统，数据自身就包含了光伏阵列的系统信息，解决了光伏阵列的安装位置、安装角度和光伏阵列的使用时间等对转换效率的影响。因此，采用历史发电功率数据训练神经网络预测模型，进而预测未来的光伏输出功率的预测方法，比光伏发电的间接预测法更加准确。

发明内容

本发明其目的就在于提供一种光伏电站发电功率的神经网络预测方法，解决了光伏电站发电功率在线实时预测的问题，具有快速准确直观简捷的特点。

实现上述目的而采取的技术方案，包括步骤，

1）预测模型的建立

在发电功率预测模型中，仅采用预测日前一天的数据，去掉夜间的12小时，将每小时的发电功率作为输入变量共12个数据，通过计算得到对应每个小时的平均发电功率；

单位面积的光伏阵列输出功率为P=nSI (1?0.005(t + 25))，式中n是转换效率；S是阵列面积；I是太阳辐照强度；t是大气温度；

2）预测模型的设计

采用BP 神经网络进行光伏阵列发电预测模型的设计，BP 神经网络是一种单向传播的多层前向网络，输入层节点的输出等于其输入，wij 是输入层和隐层节点之间的连接权值，wjk 是隐层和输出层节点之间的连接权值，隐层和输出层节点的输入是前一层节点的输出的加权和，每一节点的激励程度由它的激励函数来决定；

3）预测模型的修正

修正过程为：从数据库找寻与最近两小时大气温度、光照强度同时段最相似的那一天，设当前日最近两个小时的大气温度为(X₁X₂…X_N)，光照强度为(Y₁Y₂…Y_N)，历史数据中的某天同时段对应数据为(X₁′X₂′…X_N′)(Y₁′Y₂′…Y_N′，记，f(day)=min(f),则day即为与当日同时段历史最相似的那一天，以那一天后续时间的历史数据为依据对有神经网络预测出的数据进行调整；

4）预测模型的训练与评估

a）训练样本的数据处理，采用归一化处理，当需要输入和目标数据落入[0，1]区间时，归一化公式为式中p_n为原始数据，Pn为归一化后的数据；

b）预测模型的评估，采用平均绝对百分比误差MAPE，