[发明专利]一种基于多簇ESN神经网络的光伏发电功率预测方法

说明书

本发明公开了一种基于多簇ESN神经网络的光伏发电功率预测方法，属于光伏发电领域。首先，构建多簇ESN神经网络，采用一种改进的ESN网络，即多簇ESN网络；其次，建立多簇ESN神经网络预测模型，通过在建立预测模型时在输入层加入相应的历史24步滞后信息，分析了24步滞后信息对预测模型精度的影响；最后，评估多簇ESN神经网络预测性能。并分别对预测结果进行定量分析和定性分析，用于保证光伏发电系统的可靠高效运行及电网的安全调度。

技术领域

本发明涉及光伏发电系统功率预测技术领域，尤其是一种基于多簇ESN神经网络的光伏发电功率预测方法。

背景技术

近年来，随着全球能源需求量的增加，可再生能源(如风能和太阳能)得到了广泛的关注，其中，太阳能具有可再生、无污染、安全可靠等优势。由于其易于获得、政府的支持和技术的不断发展，大规模的光伏(Photovoltaic，PV)系统已经广泛应用于世界各地。然而，光伏系统发电功率受到许多不可控因素的影响，如温度、湿度、风速、风向、太阳辐射强度、季节性等，使光伏系统的发电量呈现出高度非线性、随机性、复杂性等特征。为了保证光伏发电系统的可靠高效运行及电网的安全调度，对光伏发电量进行精确预测具有重要的意义。

对于光伏发电功率的预测，已有许多文献和专利对其进行了论述，比如申请号为201310040995.X，发明名称为《一种基于T-S型模糊神经网络的光伏发电预测系统》；申请号为201510762155.3，发明名称为《一种光伏发电系统的短期功率预测方法》；申请号为201410299370.X，名称为《基于GRNN神经网络的光伏发电预测方法》等等。还有一些论文也对光伏发电功率预测进行了阐述，比如Das,Utpal Kumar等人的Forecasting ofPhotovoltaic Power Generation and Model Optimization，Alessandrini S等人的Ananalog ensemble for short-term probabilistic solar power forecast等等。

这些专利和论文采用了不同的技术和方法对光伏发电系统进行建模和预测。但它们存在训练过程繁琐等缺点，且没有对预测结果进行定性分析。因此，本发明提供一种基于多簇回声状态网络(Multi-clustered Echo State Networks,MCESN)的光伏发电功率预测方法，并分别对测试结果进行定量和定性分析。

发明内容

本发明的目的是提供一种基于多簇ESN神经网络的光伏发电功率预测方法，并分别对预测结果进行定量分析和定性分析，用于保证光伏发电系统的可靠高效运行及电网的安全调度。

本发明提供的一种基于多簇ESN神经网络的光伏发电功率预测方法，包括以下步骤：

S1：构建多簇ESN神经网络；

S2:对构建的多簇ESN神经网络各参数进行初始化；

S3：考虑影响因素，建立多簇ESN预测模型；

S4：调用样本信息，对初始化后的多簇ESN神经网络进行训练；

S5：调用测试样本对网络进行测试；

S6：对于测试阶段得到的输出结果，进行分析评估；

进一步，所述多簇ESN神经网络模型通过以下步骤来构建：

S11：在二维平面内，初始化n个先驱节点，且节点之间进行全连接；

S12：向二维平面添加局部区域节点；

S13：依据局部优先连接规则，将新增局部节点与已经存在的节点进行连接；

S14：重复步骤S12和S13，直到节点总数达到储备池设定规模N；

S15：产生储备池连接权值矩阵，计算得到储备池的状态更新方程: