[发明专利]一种基于BP神经网络估计法和改进比例系数法的光伏功率区间预测方法有效

专利信息
申请号: 201910747247.2 申请日: 2019-08-14
公开(公告)号: CN112396203B 公开(公告)日: 2023-01-10
发明(设计)人: 余加喜;莫若慧;毛李帆;何勇琪;吴锋;谢磊 申请(专利权)人: 海南电网有限责任公司
主分类号: G06Q10/04 分类号: G06Q10/04;G06Q50/06;G06N3/00;G06N3/04;G06N3/08
代理公司: 暂无信息 代理人: 暂无信息
地址: 570203*** 国省代码: 海南;46
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 基于 bp 神经网络 估计 改进 比例 系数 功率 区间 预测 方法
【权利要求书】:

1.一种基于BP神经网络估计法和改进比例系数法的光伏区间预测方法,所述方法首先采用粒子群算法优化BP神经网络得到区间上下限及中间值,并提出一种适合区间预测新型点预测评价损失函数;

发明提出的BP神经网络和区间上下限估计相结合的方法,是不同于现有光伏发电功率区间预测的方法,其最终的输出表达式为:

式中:xi表示与预测值相关性最大的光伏发电功率输入值,yk表示最终的预测输出,k=1,2,3,即输出层有三个节点,分别表示预测区间的上界和下界, ωjk为隐含层j与输出层k之间的权重值,ωij为输入层i到隐含层j的权重值,g表示隐含层激活函数,本文中,隐含层激活函数取Sigmoid函数;

首先,对光伏功率序列进行自相关和偏自相关分析,确定输入层节点数和滞后截断数,本发明输入节点数为3,滞后3被截断,同时利用向量{xt-2,xt-1,xt}作为预测xt+1的输入;

然后,采用试凑法确定隐含层节点数,本发明算例中模型隐含层节点数为7时预测精度较高,故隐含层节点取7;

最后,确定输出节点数,本发明提出的是一种基于BP神经网络的区间预测方法,区间预测的模型是由上下界估计的方法得到的,本发明的BP神经网络的输出节点应为区间上下界及其中间值,取输出节点为3;

本发明中引入基于北掠鸟群行为的IPSO算法,通过模拟鸟群的警觉行为以逃避天敌,与传统的PSO方法相比,该方法可以根据周围粒子不断改变位置和速度以避免陷入局部最小,该算法的速度和位置更新方程可分别表示为:

式中:表示目前粒子的速度及位置,和表示改变之后的速度和位置,经过本发明算例显示,该算法的局部和全局搜索最优解的能力均较好,求解速度也较快;

由于本发明采用输出节点为3的BP神经网络,假设该神经网络第i个预测输出值的上界为yu(i),下界为yl(i),中间值为ym(i),若预测值对应的真实值为yi,那么相应误差为:

式中:eu(i)、el(i)和em(i)分别为输出值上界、下界和中间值对应的预测误差,点预测一般采用误差平均值E作为预测结果的评价指标:

式中:N是样本数, 假设改进后输出值上界和下界对应的预测误差分别为eu′和el′,经过本发明更新后的误差表达式为:

基于更新后的误差表达式,本发明提出一种适合区间预测新型点预测评价损失函数:

式中:u为预先设定的模型参数,以满足基本的误差要求,当误差超过一定值时,较大的常数ξ会迫使评价函数E′变得很大。

2.根据权利要求1所述方法的预测结果,把点预测值放大或缩小一定倍数,以获取预测区间的上界和下界,考虑(0,1)区间内的Sigmoid函数,通过在区间上下界中引入点预测中间值ym,较好地解决了宽度过大的问题,由此,本发明提出的改进比例系数法方程可以表示为:

式中:A(xi)和B(xi)为对应输入量xi需获取的预测区间的上界和下界,a和b为放大或缩小的比例系数;

本发明中的评价指标采用区间覆盖率PICP和区间宽度PINAW来评价:

式中:εi为二进制变量,若预测实际值yp位于预测区间[yl,yu]范围内,εi取1,否则取0;R为实际功率值变化范围,引入R可实现区间宽度的归一化;

对于某一给定的置信水平α,理论的目标是获取较大的PICP和较小的PINAW,显然同时实现这两个目标间存在矛盾,为此,本发明基于下面的综合评价系数(PICEI):

PICEI=PINAW+γ·PICP·e-η(PICP-μ)

式中:γ为惩罚系数,当PICP<μ,γ=1,反之当PICP>μ,γ=0,置信概率μ=1-α;

PICEI指标是一种有别于现有的光伏区间预测的评价指标,本质上是一种多目标区间预测指标,这一指标基于BP神经网络模型的点预测结果,将最小PICEI作为目标函数,γ作为约束条件,采用IPSO对a和b这两个系数进行优化,得到两个最优的比例系数ay和by,从而得到高质量的预测区间。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于海南电网有限责任公司,未经海南电网有限责任公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/201910747247.2/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top