[发明专利]基于天气相似度的D-WSMA太阳能收集功率预测方法

说明书

本发明公开了一种基于天气相似度的D‑WSMA太阳能收集功率预测方法，首先在历史数据中选取参考数据，包括参考天和参考时刻的太阳能功率信息；然后利用方差定义数据的相似度，计算参考天参考时刻对预测时刻的权重因子α。同时，根据参考天的权值计算参考天参考时刻的加权平均值，再与平均值加权后得到参考时刻的综合值，计算当前天参考时刻样本值和综合值的比值β。最后基于D‑WCMA算法，计算动态变化权重因子G。本发明基于天气相似度刻画不同参数的影响程度，不仅定量给出了参考天和参考时刻对预测值的权重，而且由权重综合得到参考时刻的综合值，预测效率更高。

技术领域

本发明涉及一种基于天气相似度的D-WSMA太阳能收集功率预测方法，属于无线传感器网络节点任务调度技术领域。

背景技术

无线传感器网络(Wireless Sensor Networks,WSNs)是由部署在监测区域内的大量传感器以自组织和多跳等方式构成的，以协作方式感知、采集、处理和传输网络覆盖区域内监测对象信息的无线网络。因为传感器节点能连续不断地进行数据采集、事件检测和标识、位置监测等，同时无线连接更有优势，所以无线传感器网络的应用前景十分广阔，可涉及到社会经济活动中的各个领域，如军事、农业生产、生态环境的监测和预报、基础设施状态监测、工业生产、智能交通、医疗系统和健康护理、信息家电等诸多方面。

传感器节点通常使用微型电池供电，能量十分有限。同时由于无线传感器网络节点通常应用于难以接近或危险的特殊环境中，所以很难实现方便地更换电池。因此节点的能耗持久性问题常常成为它实际工程和理论研究中的核心问题，这也是制约WSN大规模应用的一个重要因素。

目前环境能量收集技术中太阳能收集技术较为成熟，对于低功耗的无线传感器网络具有重要意义，可以大大延长节点寿命，减少网络维护成本。但如何能够让节点根据太阳能的变化自主调节其工作状态，在天气状况良好时及时收集太阳能储存能量，在天气状况不好时减少工作时间节约电能，也成为又一制约因素。因此，许多研究人员提出了太阳能功率预测算法，以期为无线传感器网络提供一个更好的工作状态方案，例如EWMA，WCMA和Pro-Energy等预测算法。

上述算法，通过建立时间序列模型，分析历史采集数据来预测未来时刻的太阳能功率。但在现有的WCMA算法中，虽然引入了GAP因子，但只是简单地根据时间间隔和平均值来测算GAP因子，没有体现天气间的相似性，故预测精度不高。本发明基于天气相似度衡量参考时刻的权值并进一步测算参考时刻的综合值，提高了预测精度。

发明内容

目的：为了克服现有技术中存在的不足，本发明提供一种基于天气相似度的D-WSMA太阳能收集功率预测方法，利用方差之比定义数据的相似度，计算参考天参考时刻对预测时刻的权重因子α；并根据参考天的权值，得出参考时刻的加权平均值，再与平均值加权后得参考时刻的综合值，得到当前天参考时刻样本值与综合值的比值β。

具体技术方案包括如下步骤：

(1)收集参考天、参考时刻的太阳能功率数据；

选取参考前D天并把每天等分为24个时刻，得到历史数据矩阵X_D(D×24)；是对当前n时刻的太阳能功率的预测值，x₀(n-1)是收集装置已经采集到的预测前一时刻(n-1)太阳能功率。

(2)建立D-WSMA预测模型；

其中，G(n)是n时刻的自适应因子；x₀(n-1)是已收集的当天(n-1)时刻的太阳能功率数据；A是参考时刻权值矩阵；B是参考时刻样本值与综合值之比的比值矩阵；S(n)是预测时刻的综合值。

(3)计算预测模型中各因子和综合值；

具体计算过程如下：

(3.1)计算当天及参考天的参考时刻的相似度，n为当前时刻；