[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

说明书

本发明提供了一种基于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，属于新能源发电预测技术领域。首先在区间预测的目标框架下，采用IPSO算法来训练BP神经网络模型直接估计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；其次，将BP神经网络输出值的中间值y_m融入预测区间中，提出一种改进比例系数法的光伏功率区间预测方法，可以明显减小由负荷变化带来的区间波动，并构建了一种新的综合评价系数(PICEI)，并通过粒子群算法优化比例系数获得了高质量预测区间；最后通过仿真验证了该方法的准确性与有效性。本发明将预测结果以置信区间的形式给出，能够提供较准确的光伏功率预测结果及其变化范围，具有实际意义。

技术领域

本发明涉及一种利用BP神经网络直接估计区间上下限及中间值，通过粒子群算法优化改进的比例系数获得可靠预测区间的方法，并构建了新的置信区间综合评价系数PICEI，属于新能源发电预测技术领域。

背景技术

近年来，光伏发电并入电网比例不断攀升；随着并网光伏发电的发展，光伏发电装机容量不断扩大，其在电网中所占的比例也逐年增加，当超过一定规模时，接入电网的光伏电站就会对电力系统的安全、稳定运行以及电能质量带来严重的影响，通过对光伏发电功率进行准确预测，可减小大规模光伏并网对电网的影响，而单一的点预测值很难从整体上描述预测结果的不确定性，很难满足电网调度对于预测风险判断、运行可靠性分析等实际需求；区间预测除了可以提供点预测值外，还能量化反映各类不确定因素对于预测值的影响，并以一定的变化曲线将其描绘出来，故而受到愈来愈多地重视。本发明利用BP神经网络的直接估计区间上下限及中间值，对于BP神经网络易陷入局部最优这一缺点，本发明利用模拟北掠鸟群行为的粒子群算法(IPSO)优化BP神经网络权重以提高准确性，基于改进的比例系数法，对最优系数进行优化以提高预测区间的质量，进而得到满足一定置信概率的光伏功率预测区间，并结合区间可靠性和区间精度构建了一个新的预测区间综合评价系数(PICEI)，本发明能够提供较准确的光伏功率预测结果及其变化范围，具有实际意义。

发明内容

本发明的目的在于提供较准确的光伏功率预测结果及其变化范围，提供一种利用BP神经网络的直接估计区间上下限及中间值，通过粒子群算法优化改进的比例系数获得可靠预测区间的方法，并构建了新的置信区间综合评价系数PICEI。

本发明所述问题是以下述技术方案实现的：

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。

本发明提出的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：x_i表示与预测值相关性最大的光伏发电功率，本发明中x_i为用来预测y_k的相关时刻的光伏发电功率y_k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。ω_jk为隐含层j与输出层k之间的权重值，ω_ij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，选取输入层节点数，本发明中用相关分析法来分析预测值与历史数据的相关性，自相关函数(ACF)和偏自相关函数(PACF)广泛应用于预测任务中，由于光伏发电功率时空的波动性和不确定性，可以认为是平稳的，对其进行ACF和PACF分析，可以得出ACF呈现指数衰减，且滞后3被截断，因此，本发明的输入节点数为3，即利用向量{x_t-2，x_t-1，x_t}作为预测x_t+1的输入；