專利名稱:一種基于t-s型模糊神經(jīng)網(wǎng)絡(luò)的光伏發(fā)電預(yù)測系統(tǒng)的制作方法
技術(shù)領(lǐng)域:
本發(fā)明涉及太陽能光伏發(fā)電預(yù)測系統(tǒng)技術(shù)領(lǐng)域,具體涉及一種基于τ-s型模糊神經(jīng)網(wǎng)絡(luò)的光伏發(fā)電預(yù)測系統(tǒng)。
背景技術(shù):
太陽能光伏發(fā)電具有轉(zhuǎn)換效率高、使用周期長、無運(yùn)轉(zhuǎn)部件等優(yōu)點(diǎn),目前,國外太陽能光伏發(fā)電已經(jīng)完成初期開發(fā)階段,正向大規(guī)模應(yīng)用階段發(fā)展。但是,由于太陽能具有間歇性和隨機(jī)性等特點(diǎn),隨著光伏裝機(jī)容量的快速擴(kuò)大,大規(guī)模的光伏并網(wǎng),將不利于電網(wǎng)的穩(wěn)定性,對電力市場產(chǎn)生深遠(yuǎn)的影響,因此,預(yù)知光伏發(fā)電系統(tǒng)的發(fā)電量,對電網(wǎng)電能的調(diào)度有著重要的意義。太陽能光伏發(fā)電系統(tǒng)的發(fā)電量受許多方面因素的影響,太陽輻射強(qiáng)度、溫度、天氣情況、季節(jié)等,這些因素不同程度地影響光伏發(fā)電系統(tǒng)的發(fā)電量,并且呈現(xiàn)出強(qiáng)非線性,而光伏發(fā)電系統(tǒng)可視為一個不可控的電源,其隨機(jī)性將對電網(wǎng)產(chǎn)生沖擊,因此,研究太陽能的隨機(jī)性和光伏發(fā)電預(yù)測技術(shù)有著重要意義。目前,預(yù)測技術(shù)主要有神經(jīng)網(wǎng)絡(luò)技術(shù),神經(jīng)網(wǎng)絡(luò)具有很強(qiáng)的處理非線性問題的能力,但神經(jīng)網(wǎng)絡(luò)預(yù)測技術(shù)也存在自身的一些問題,需要大量的學(xué)習(xí)樣本、網(wǎng)絡(luò)初始參數(shù)確定的隨機(jī)性、網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計的不確定性等缺點(diǎn)。因此,基于上述問題,本發(fā)明提供一種基于T-S型模糊神經(jīng)網(wǎng)絡(luò)的光伏發(fā)電預(yù)測系統(tǒng)。
發(fā)明內(nèi)容
發(fā)明目的:本發(fā)明提 供一種基于T-S型模糊神經(jīng)網(wǎng)絡(luò)的光伏發(fā)電預(yù)測系統(tǒng),以克服上述現(xiàn)有太陽能光伏發(fā)電預(yù)測技術(shù)的相關(guān)缺點(diǎn)。技術(shù)方案:本發(fā)明提供一種基于T-S型模糊神經(jīng)網(wǎng)絡(luò)的光伏發(fā)電預(yù)測系統(tǒng),該預(yù)測系統(tǒng)包括模糊神經(jīng)網(wǎng)絡(luò)構(gòu)造模塊、模糊神經(jīng)網(wǎng)絡(luò)訓(xùn)練模塊、模糊神經(jīng)網(wǎng)絡(luò)預(yù)測模塊;所述模糊神經(jīng)網(wǎng)絡(luò)構(gòu)造模塊根據(jù)系統(tǒng)要求進(jìn)行網(wǎng)絡(luò)構(gòu)造;所述模糊神經(jīng)網(wǎng)絡(luò)構(gòu)造模塊進(jìn)行網(wǎng)絡(luò)參數(shù)初始化后,調(diào)取數(shù)據(jù)庫中的訓(xùn)練樣本信息,進(jìn)行模糊神經(jīng)網(wǎng)絡(luò)訓(xùn)練模塊的網(wǎng)絡(luò)訓(xùn)練;所述模糊神經(jīng)網(wǎng)絡(luò)訓(xùn)練模塊進(jìn)行網(wǎng)絡(luò)訓(xùn)練后,調(diào)取數(shù)據(jù)庫中的測試樣本信息進(jìn)行測試,完成模糊神經(jīng)網(wǎng)絡(luò)預(yù)測模塊的網(wǎng)絡(luò)測試;所述模糊神經(jīng)網(wǎng)絡(luò)預(yù)測模塊即可進(jìn)行光伏發(fā)電預(yù)測。所述模糊神經(jīng)網(wǎng)絡(luò)構(gòu)造模塊由T-S型模糊系統(tǒng)和神經(jīng)網(wǎng)絡(luò)組成,包括前件網(wǎng)絡(luò)和后件網(wǎng)絡(luò),前件網(wǎng)絡(luò)包括四層,其中第一層為輸入層,進(jìn)行16個量輸入,用χ=[χιχ2…χ5χ16]τ表示,N1=Ie ;第二層對16個變量進(jìn)行模糊分割{正大、零、負(fù)大},每個輸入量分為3個模糊子集,節(jié)點(diǎn)數(shù)
權(quán)利要求
1.一種基于T-S型模糊神經(jīng)網(wǎng)絡(luò)的光伏發(fā)電預(yù)測系統(tǒng),其特征在于:所述預(yù)測系統(tǒng)包括模糊神經(jīng)網(wǎng)絡(luò)構(gòu)造模塊(I)、模糊神經(jīng)網(wǎng)絡(luò)訓(xùn)練模塊(2)、模糊神經(jīng)網(wǎng)絡(luò)預(yù)測模塊(3);所述模糊神經(jīng)網(wǎng)絡(luò)構(gòu)造模塊(I)根據(jù)系統(tǒng)要求進(jìn)行網(wǎng)絡(luò)構(gòu)造;所述模糊神經(jīng)網(wǎng)絡(luò)構(gòu)造模塊(1)進(jìn)行網(wǎng)絡(luò)參數(shù)初始化后,調(diào)取數(shù)據(jù)庫中的訓(xùn)練樣本信息,進(jìn)行模糊神經(jīng)網(wǎng)絡(luò)訓(xùn)練模塊(2)的網(wǎng)絡(luò)訓(xùn)練;所述模糊神經(jīng)網(wǎng)絡(luò)訓(xùn)練模塊(2)進(jìn)行網(wǎng)絡(luò)訓(xùn)練后,調(diào)取數(shù)據(jù)庫中的測試樣本信息進(jìn)行測試,完成模糊神經(jīng)網(wǎng)絡(luò)預(yù)測模塊(3)的網(wǎng)絡(luò)測試;所述模糊神經(jīng)網(wǎng)絡(luò)預(yù)測模塊(3)即可進(jìn)行光伏發(fā)電預(yù)測。
2.根據(jù)權(quán)利要求1所述的基于T-S型模糊神經(jīng)網(wǎng)絡(luò)的光伏發(fā)電預(yù)測系統(tǒng),其特征在于:所述模糊神經(jīng)網(wǎng)絡(luò)構(gòu)造模塊(I)由T-S型模糊系統(tǒng)和神經(jīng)網(wǎng)絡(luò)組成,包括前件網(wǎng)絡(luò)和后件網(wǎng)絡(luò), 前件網(wǎng)絡(luò)包括四層,其中第一層為輸入層,進(jìn)行16個量輸入,用χ=[χιχ2…χ5χ16]τ表示,N1=Ie ; 第二層對16個變量進(jìn)行模糊分割{正大、零、負(fù)大},每個輸入量分為3個模糊子集,節(jié)點(diǎn)數(shù)=48,隸屬度函數(shù)采用高斯型隸屬度函數(shù),計算公式為,
3.根據(jù)權(quán)利要求1所述的基于T-S型模糊神經(jīng)網(wǎng)絡(luò)的光伏發(fā)電預(yù)測系統(tǒng),其特征在于:所述模糊神經(jīng)網(wǎng)絡(luò)構(gòu)造模塊(I)還包括學(xué)習(xí)算法和網(wǎng)絡(luò)參數(shù)。
4.根據(jù)權(quán)利要求3所述的基于T-S型模糊神經(jīng)網(wǎng)絡(luò)的光伏發(fā)電預(yù)測系統(tǒng),其特征在于:所述學(xué)習(xí)算法分為,網(wǎng)絡(luò)學(xué)習(xí)算法和/4學(xué)習(xí)算法,網(wǎng)絡(luò)學(xué)習(xí)算法通過學(xué)習(xí)過程調(diào)節(jié)連接權(quán) = 2,…,ra;i = l,2,...,r)、隸屬函數(shù)的中心值 Cij 和寬度 σ ^Q=I,j=l, 2,…,Hii),誤差代價函數(shù)計算公式為,
5.根據(jù)權(quán)利要求3所述的基于T-S型模糊神經(jīng)網(wǎng)絡(luò)的光伏發(fā)電預(yù)測系統(tǒng),其特征在于:所述網(wǎng)絡(luò)參數(shù)中確定權(quán)值初始值,采用實(shí)驗(yàn)對比方法,隨機(jī)生成幾組權(quán)的初始值,以同樣的樣本輸入進(jìn)行比較分析,確定權(quán)值的初始值。
6.根據(jù)權(quán)利要求1所述的基于T-S型模糊神經(jīng)網(wǎng)絡(luò)的光伏發(fā)電預(yù)測系統(tǒng),其特征在于:所述模糊神經(jīng)網(wǎng)絡(luò)構(gòu)造模塊(1),采用歷史發(fā)電量序列、最高氣溫、綜合天氣指數(shù)作為系統(tǒng)的輸入量,光伏發(fā)電系統(tǒng)的歷史發(fā)電量序列輸入變量為12個,分別表示一天時間里12個時間點(diǎn)的發(fā)電量,如早7點(diǎn)至晚6點(diǎn)總計12個時間點(diǎn),其中,最高氣溫輸入變量為2個,分別表示預(yù)測日的最高氣溫和預(yù)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(yù)測日對應(yīng)的12個時間點(diǎn)的發(fā)電量序列。
7.根據(jù)權(quán)利要求1所述的基于T-S型模糊神經(jīng)網(wǎng)絡(luò)的光伏發(fā)電預(yù)測系統(tǒng),其特征在于:所述模糊神經(jīng)網(wǎng)絡(luò)訓(xùn)練模塊(2)調(diào)取數(shù)據(jù)庫樣本信息進(jìn)行網(wǎng)絡(luò)訓(xùn)練,其中,調(diào)取光伏監(jiān)控系統(tǒng)數(shù)據(jù)庫中歷史發(fā)電數(shù)據(jù)和氣象數(shù)據(jù)作為模型的訓(xùn)練樣本和測試樣本,選取數(shù)據(jù)庫樣本作為訓(xùn)練樣本中,包含光伏發(fā)電量數(shù)據(jù)、綜合天氣類型和最高氣溫數(shù)據(jù)。
8.根據(jù)權(quán)利要求1所述的基于T-S型模糊神經(jīng)網(wǎng)絡(luò)的光伏發(fā)電預(yù)測系統(tǒng),其特征在于:所述模糊神經(jīng)網(wǎng)絡(luò)預(yù)測模塊(3)通過學(xué)習(xí)數(shù)據(jù)庫樣本信息進(jìn)行網(wǎng)絡(luò)預(yù)測,其中,調(diào)取光伏監(jiān)控系統(tǒng)數(shù)據(jù)庫中歷史發(fā)電數(shù)據(jù)和氣象數(shù)據(jù)作為測試樣本,驗(yàn)證系統(tǒng)的可行性和正確性。
全文摘要
本發(fā)明公開了一種基于T-S型模糊神經(jīng)網(wǎng)絡(luò)的光伏發(fā)電預(yù)測系統(tǒng),該預(yù)測系統(tǒng)包括模糊神經(jīng)網(wǎng)絡(luò)構(gòu)造模塊、模糊神經(jīng)網(wǎng)絡(luò)訓(xùn)練模塊、模糊神經(jīng)網(wǎng)絡(luò)預(yù)測模塊。本發(fā)明實(shí)現(xiàn)了太陽能光伏發(fā)電量的預(yù)測,實(shí)現(xiàn)了模糊推理系統(tǒng)和神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)系統(tǒng)的有機(jī)結(jié)合、算法先進(jìn)、預(yù)測精度高,提高了電網(wǎng)調(diào)度效率、保障電網(wǎng)安全運(yùn)行,引入氣象因素、提高了預(yù)測準(zhǔn)確性和可靠性,為太陽能光伏發(fā)電的大規(guī)模并網(wǎng)提供了技術(shù)支持、可移植性高,只需要進(jìn)行簡單的修改,也可以為風(fēng)能和其他新能源提供發(fā)電預(yù)測系統(tǒng)。
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(yōu)先權(quán)日2013年2月1日
發(fā)明者陸玉正, 王軍, 張耀明, 李俊嬌 申請人:東南大學(xué)