基于树突状神经元网络的光伏功率预测方法及应用

新型清洁能源占人类能源消耗总量的比例越来越高,太阳能光伏作为主要的新型可再生能源,由于受气象因素的影响,具有非常典型的间歇性和随机性特点,若不加以预测任其接入电力系统,可能会对电网的稳定造成冲击,为了控制电能质量和提高系统稳定性,准确的光伏功率预测尤为重要。神经网络依然是目前光伏功率预测最为常用的方法之一。但由于传统的神经网络模型通常需要大量的神经元作为支撑,这导致了模型的运算效率较低,近些年发展起来的新型树突状神经元网络模型具有收敛速度快,结构简单,预测精度高等优点,本文探索将树突状神经元网络模型用于光伏发电功率的预测,围绕树突状神经元网络模型设计了两种光伏功率预测方法,基于上述方法开发了一个光伏功率预测系统。主要研究内容包括:(1)基于树突状神经元网络模型的光伏功率预测方法设计了一种基于树突神经元模型的光伏功率预测方法,结合光伏电站实际数据集分析并选择了影响光伏发电量的气象因素,把影响因素组成的数据阵列归一化后作用于模型的突触层,其中的非线性运算通过布尔逻辑表示,采用误差反向传播算法训练模型。本文将设计出预测方法的结果与一些常用的神经网络模型比较,从预测值、预测值的绝对误差和模型收敛速度三个方面分析了不同模型的差异,并采用MAPE、MAE和RMSE三种方法评估所提出预测模型的有效性。(2)基于小波变换-树突状神经元网络模型的光伏功率预测方法为进一步地提升树突状神经元模型的预测效果,本文在将原始数据传递给神经元模型之前,尝试寻求更有效的数据处理方法。首先利用小波变换对数据进行分解,随后重构模型的输出数据,由此将小波变换算法和树突状神经元网络模型组合起来,设计了一种新的光伏功率预测方法,随后将所提出的光伏功率预测方法与其他模型进行对比,发现采用的树突状神经元网络模型能够实现更高的预测精度。(3)光伏功率预测应用系统将提出的光伏功率预测方法投入到实际应用之中,开发了一个光伏功率预测系统。该系统包含数据采集、数据存储、预测算法和可视化界面四个模块,基于B/S架构,通过PHP脚本与后台数据库交互,预测结果采用Highcharts框架,以曲线和图表等多种方式展现。