[发明专利]一种太阳能无人机电池板电压的预测方法

权利要求书

1.一种太阳能无人机电池板电压的预测方法，其特征在于：包括如下步骤：

一、获取太阳能电池板的运行参数，根据所述运行参数得到训练集和预测集，并对晴天时太阳能电池板的运行参数数据进行归一化处理；

二、结合归一化后的训练集搭建BP神经网络；

三、根据自适应差分算法优化得到所述BP神经网络的初始权值和初始阈值；

四、将优化得到的权值和阈值作为所述BP神经网络的初始权值和初始阈值，并利用所述训练集对所述BP神经网络进行训练；

五、将所述预测集内的待预测数据输入所述BP神经网络内，根据所述BP神经网络输出的预测值与实际值进行对比，并评估预测结果的准确性。

2.根据权利要求1所述的一种太阳能无人机电池板电压的预测方法，其特征在于：在步骤一中，采用光强计和多用表测量太阳能电池板的运行参数，所述运行参数包括光照强度、外界温度和电压；而且，将光照强度和外界温度作为输入变量，电压作为输出变量，由此得到训练集和预测集并选取晴天时的运行参数数据，并进行归一化处理。

3.根据权利要求1所述的一种太阳能无人机电池板电压的预测方法，其特征在于：在步骤二中，根据输入数据和输出数据的维数，确定BP神经网络的隐含层的神经元数和输出层的神经元数，其计算公式如下：

L₁＝2m+1；L₂＝log₂n；

其中，L₁为隐含层节点数，L₂为输出层节点数，m为输入层节点数，n为输出层节点数。

4.根据权利要求1所述的一种太阳能无人机电池板电压的预测方法，其特征在于：在步骤三中，具体包括如下步骤：

设定自适应差分进化算法的初始种群：基于上述训练集和预测集，采用实体编码方法，设定初始种群大小Np、基因维数D、变异因子F、交叉因子CR以及每个基因的变化范围，且将BP神经网络的误差作为种群中个体适应度值，在解空间随机初始化种群：

并随机生成：

xj,i(0)=xj,iL+rand(0,1)·(xj,iU-xj,iL)]]>

其中，x_i(0)表示种群中第0代的第i条染色体，x_j,i(0)表示第0代的第i条染色体的第j的基因，rand(0,1)表示在(0,1)区间均匀分布的随机数；

变异操作：采用差分策略实现个体差异，随机选取种群中两个不同的个体，将其向量差缩放后与待变异个体进行向量合成，产生中间体：

υ_i(g+1)＝x_r1(g)+F·(x_r2(g)-x_r3(g))i≠r₁≠r₂≠r₃

其中，F为变异因子，x_i(g)表示第g代种群中第i个个体；

交叉操作：对第g代种群x_i(g)及其变异的中间体υ_i(g+1)进行个体间的交叉操作：

其中，CR为交叉因子，j_rand为[1,2，…D]的随机整数；

选择操作：采用贪婪算法来选择进入下一代种群的个体，即优化结果优于上一代染色体的个体进入下一代种群：

判断优化结果的精度是否满足要求或迭代数是否达到最大值，如果否，则返回变异操作步骤；如果是，则输出优化得到所述BP神经网络的初始权值和初始阈值。