一種基於t-s型模糊神經網絡的光伏發電預測系統的製作方法
2023-07-25 17:03:51 2
專利名稱:一種基於t-s型模糊神經網絡的光伏發電預測系統的製作方法
技術領域:
本發明涉及太陽能光伏發電預測系統技術領域,具體涉及一種基於τ-s型模糊神經網絡的光伏發電預測系統。
背景技術:
太陽能光伏發電具有轉換效率高、使用周期長、無運轉部件等優點,目前,國外太陽能光伏發電已經完成初期開發階段,正向大規模應用階段發展。但是,由於太陽能具有間歇性和隨機性等特點,隨著光伏裝機容量的快速擴大,大規模的光伏併網,將不利於電網的穩定性,對電力市場產生深遠的影響,因此,預知光伏發電系統的發電量,對電網電能的調度有著重要的意義。太陽能光伏發電系統的發電量受許多方面因素的影響,太陽輻射強度、溫度、天氣情況、季節等,這些因素不同程度地影響光伏發電系統的發電量,並且呈現出強非線性,而光伏發電系統可視為一個不可控的電源,其隨機性將對電網產生衝擊,因此,研究太陽能的隨機性和光伏發電預測技術有著重要意義。目前,預測技術主要有神經網絡技術,神經網絡具有很強的處理非線性問題的能力,但神經網絡預測技術也存在自身的一些問題,需要大量的學習樣本、網絡初始參數確定的隨機性、網絡結構設計的不確定性等缺點。因此,基於上述問題,本發明提供一種基於T-S型模糊神經網絡的光伏發電預測系統。
發明內容
發明目的:本發明提 供一種基於T-S型模糊神經網絡的光伏發電預測系統,以克服上述現有太陽能光伏發電預測技術的相關缺點。技術方案:本發明提供一種基於T-S型模糊神經網絡的光伏發電預測系統,該預測系統包括模糊神經網絡構造模塊、模糊神經網絡訓練模塊、模糊神經網絡預測模塊;所述模糊神經網絡構造模塊根據系統要求進行網絡構造;所述模糊神經網絡構造模塊進行網絡參數初始化後,調取資料庫中的訓練樣本信息,進行模糊神經網絡訓練模塊的網絡訓練;所述模糊神經網絡訓練模塊進行網絡訓練後,調取資料庫中的測試樣本信息進行測試,完成模糊神經網絡預測模塊的網絡測試;所述模糊神經網絡預測模塊即可進行光伏發電預測。所述模糊神經網絡構造模塊由T-S型模糊系統和神經網絡組成,包括前件網絡和後件網絡,前件網絡包括四層,其中第一層為輸入層,進行16個量輸入,用χ=[χιχ2…χ5χ16]τ表示,N1=Ie ;第二層對16個變量進行模糊分割{正大、零、負大},每個輸入量分為3個模糊子集,節點數
權利要求
1.一種基於T-S型模糊神經網絡的光伏發電預測系統,其特徵在於:所述預測系統包括模糊神經網絡構造模塊(I)、模糊神經網絡訓練模塊(2)、模糊神經網絡預測模塊(3);所述模糊神經網絡構造模塊(I)根據系統要求進行網絡構造;所述模糊神經網絡構造模塊(1)進行網絡參數初始化後,調取資料庫中的訓練樣本信息,進行模糊神經網絡訓練模塊(2)的網絡訓練;所述模糊神經網絡訓練模塊(2)進行網絡訓練後,調取資料庫中的測試樣本信息進行測試,完成模糊神經網絡預測模塊(3)的網絡測試;所述模糊神經網絡預測模塊(3)即可進行光伏發電預測。
2.根據權利要求1所述的基於T-S型模糊神經網絡的光伏發電預測系統,其特徵在於:所述模糊神經網絡構造模塊(I)由T-S型模糊系統和神經網絡組成,包括前件網絡和後件網絡, 前件網絡包括四層,其中第一層為輸入層,進行16個量輸入,用χ=[χιχ2…χ5χ16]τ表示,N1=Ie ; 第二層對16個變量進行模糊分割{正大、零、負大},每個輸入量分為3個模糊子集,節點數=48,隸屬度函數採用高斯型隸屬度函數,計算公式為,
3.根據權利要求1所述的基於T-S型模糊神經網絡的光伏發電預測系統,其特徵在於:所述模糊神經網絡構造模塊(I)還包括學習算法和網絡參數。
4.根據權利要求3所述的基於T-S型模糊神經網絡的光伏發電預測系統,其特徵在於:所述學習算法分為,網絡學習算法和/4學習算法,網絡學習算法通過學習過程調節連接權 = 2,…,ra;i = l,2,...,r)、隸屬函數的中心值 Cij 和寬度 σ ^Q=I,j=l, 2,…,Hii),誤差代價函數計算公式為,
5.根據權利要求3所述的基於T-S型模糊神經網絡的光伏發電預測系統,其特徵在於:所述網絡參數中確定權值初始值,採用實驗對比方法,隨機生成幾組權的初始值,以同樣的樣本輸入進行比較分析,確定權值的初始值。
6.根據權利要求1所述的基於T-S型模糊神經網絡的光伏發電預測系統,其特徵在於:所述模糊神經網絡構造模塊(1),採用歷史發電量序列、最高氣溫、綜合天氣指數作為系統的輸入量,光伏發電系統的歷史發電量序列輸入變量為12個,分別表示一天時間裡12個時間點的發電量,如早7點至晚6點總計12個時間點,其中,最高氣溫輸入變量為2個,分別表示預測日的最高氣溫和預測日前一天的最高氣溫,總計16個輸入變量,輸出變量定義為預測日對應的12個時間點的發電量序列。
7.根據權利要求1所述的基於T-S型模糊神經網絡的光伏發電預測系統,其特徵在於:所述模糊神經網絡訓練模塊(2)調取資料庫樣本信息進行網絡訓練,其中,調取光伏監控系統資料庫中歷史發電數據和氣象數據作為模型的訓練樣本和測試樣本,選取資料庫樣本作為訓練樣本中,包含光伏發電量數據、綜合天氣類型和最高氣溫數據。
8.根據權利要求1所述的基於T-S型模糊神經網絡的光伏發電預測系統,其特徵在於:所述模糊神經網絡預測模塊(3)通過學習資料庫樣本信息進行網絡預測,其中,調取光伏監控系統資料庫中歷史發電數據和氣象數據作為測試樣本,驗證系統的可行性和正確性。
全文摘要
本發明公開了一種基於T-S型模糊神經網絡的光伏發電預測系統,該預測系統包括模糊神經網絡構造模塊、模糊神經網絡訓練模塊、模糊神經網絡預測模塊。本發明實現了太陽能光伏發電量的預測,實現了模糊推理系統和神經網絡學習系統的有機結合、算法先進、預測精度高,提高了電網調度效率、保障電網安全運行,引入氣象因素、提高了預測準確性和可靠性,為太陽能光伏發電的大規模併網提供了技術支持、可移植性高,只需要進行簡單的修改,也可以為風能和其他新能源提供發電預測系統。
文檔編號G06Q50/06GK103106544SQ20131004099
公開日2013年5月15日 申請日期2013年2月1日 優先權日2013年2月1日
發明者陸玉正, 王軍, 張耀明, 李俊嬌 申請人:東南大學