張偉

摘 要：太陽能屬于環(huán)保型能源，具有用之不盡，取之不竭的優(yōu)勢，在當(dāng)下社會不同領(lǐng)域發(fā)展中，發(fā)揮積極作用。特別是在光伏發(fā)電作業(yè)中，為光伏發(fā)電工作增加發(fā)展動力。太陽能是一種全新能源類型，發(fā)展?jié)摿薮蟆＝┠?，我國政府提高光伏發(fā)電產(chǎn)業(yè)關(guān)注度，給出全新發(fā)展政策與戰(zhàn)略，促進(jìn)光伏發(fā)電發(fā)展。尤其在一些西部區(qū)域，例如，新疆和青海等區(qū)域，主流電源系統(tǒng)建設(shè)利用中光伏發(fā)電，發(fā)揮重要影響。為了實(shí)現(xiàn)太陽能光伏發(fā)電最大發(fā)展目標(biāo)，應(yīng)該深入研究光伏發(fā)電系統(tǒng)技術(shù)，為光伏建設(shè)發(fā)展作技術(shù)支持。本文主要就神經(jīng)網(wǎng)絡(luò)的光伏發(fā)電系統(tǒng)發(fā)電功率預(yù)測進(jìn)行分析和研究。

關(guān)鍵詞：神經(jīng)網(wǎng)絡(luò)；光伏發(fā)電系統(tǒng)；發(fā)電功率預(yù)測；分析研究

DOI：10.16640/j.cnki.37-1222/t.2017.16.206

0 前言

大規(guī)模和大范圍光伏電網(wǎng)發(fā)展，均是運(yùn)用太陽能這一科學(xué)形式，但是環(huán)境溫度與光照強(qiáng)度對光伏發(fā)電影響較大，在并網(wǎng)后期發(fā)電系統(tǒng)功率出現(xiàn)不確定性，功率變化較大。眾多實(shí)際應(yīng)用人員，運(yùn)用光伏開展電能供應(yīng)廣遭，導(dǎo)致電網(wǎng)規(guī)劃管理人員，難以全面掌握和預(yù)測到負(fù)荷運(yùn)作情況，負(fù)荷增長率預(yù)測難度大，影響機(jī)組處理與系統(tǒng)調(diào)度。所以，需要對光伏發(fā)電期間，系統(tǒng)發(fā)電期間功率變化預(yù)測分析，確保系統(tǒng)穩(wěn)定性和安全性。BP神經(jīng)網(wǎng)絡(luò)是具有代表性神經(jīng)網(wǎng)絡(luò)，在神經(jīng)網(wǎng)絡(luò)的光伏發(fā)電系統(tǒng)發(fā)電功率預(yù)測應(yīng)用效果佳。

1 BP神經(jīng)網(wǎng)絡(luò)闡述

BP神經(jīng)網(wǎng)絡(luò)是具有代表性神經(jīng)網(wǎng)絡(luò)，其是依據(jù)誤差逆轉(zhuǎn)理論標(biāo)準(zhǔn)，利用這一形式進(jìn)行傳播和計(jì)算，具有反饋網(wǎng)絡(luò)特點(diǎn)。BP神經(jīng)網(wǎng)絡(luò)主要理論依據(jù)為把網(wǎng)絡(luò)學(xué)習(xí)劃分為反向傳播運(yùn)作形式和正向運(yùn)作形式，映射能力好，具有非線性特點(diǎn)。利于在利用期間，把網(wǎng)絡(luò)學(xué)習(xí)中映射關(guān)系大量輸出和輸入，泛化效果好。BP神經(jīng)網(wǎng)絡(luò)是當(dāng)下社會應(yīng)用最為廣泛，可以結(jié)合季節(jié)的變化性，結(jié)合氣候特點(diǎn)，建立子模型，對神經(jīng)網(wǎng)絡(luò)的光伏發(fā)電系統(tǒng)發(fā)電功率預(yù)測。在隨機(jī)性大，自然氣候影響大區(qū)域中，BP神經(jīng)網(wǎng)絡(luò)預(yù)測能力強(qiáng)。BP神經(jīng)網(wǎng)絡(luò)實(shí)際應(yīng)用期間，需在結(jié)合實(shí)際區(qū)域環(huán)境特點(diǎn)，建立一個BP神經(jīng)網(wǎng)絡(luò)系統(tǒng)模型，構(gòu)建應(yīng)用效果較好的網(wǎng)絡(luò)模型，降低預(yù)測難度。

利用反向形式傳播和運(yùn)作，對網(wǎng)絡(luò)系統(tǒng)權(quán)值與閾值調(diào)整，直到網(wǎng)絡(luò)系統(tǒng)誤差滿足目標(biāo)需求，在目標(biāo)范圍中便可自動停止。 BP神經(jīng)網(wǎng)絡(luò)其模型結(jié)構(gòu)包括輸入和輸出體系、中間體系。詳細(xì)來說，為了實(shí)現(xiàn)模型最大應(yīng)用目標(biāo)，在結(jié)構(gòu)設(shè)計(jì)中，需依據(jù)季節(jié)和氣候，構(gòu)建預(yù)測模型系統(tǒng)子板塊，滿足神經(jīng)網(wǎng)絡(luò)最大限度接近不同復(fù)雜和不同形式非線性函數(shù)，對大量數(shù)據(jù)開展網(wǎng)絡(luò)訓(xùn)練[1]。

神經(jīng)網(wǎng)絡(luò)基礎(chǔ)上，光伏運(yùn)作功率預(yù)測，本文主要就光伏組件，利用量化方法，對其清潔程度描述分析。本文利用a字母標(biāo)示神經(jīng)網(wǎng)絡(luò)系統(tǒng)伏運(yùn)作功率，把伏運(yùn)作功率數(shù)值范圍控制在0-100之間，如果灰度把光伏組件全部覆蓋，當(dāng)其有用功輸出力為零時(shí)，其清潔度a數(shù)值為零。當(dāng)光伏組件實(shí)現(xiàn)100%清潔程度后，a數(shù)值為100，可以對a開展實(shí)驗(yàn)檢測，在實(shí)驗(yàn)檢測后，確定a數(shù)值。在對預(yù)測模型和系統(tǒng)建設(shè)時(shí)，利用三層布局形式，考慮到輸入因子時(shí)間，輸入因子環(huán)境溫度與光照度，了解組件潔凈度，輸出電量設(shè)為光伏發(fā)電的有用功出力狀態(tài)。建立在MATLAB系統(tǒng)軟件平臺基礎(chǔ)上，可以把BP神經(jīng)網(wǎng)絡(luò)和系統(tǒng)平臺結(jié)合，減低預(yù)測難度。

2 預(yù)測系統(tǒng)結(jié)構(gòu)布局規(guī)劃設(shè)計(jì)

2.1 網(wǎng)絡(luò)訓(xùn)練

網(wǎng)絡(luò)系統(tǒng)和布局設(shè)計(jì)規(guī)劃完畢后，對以往發(fā)電功率信息與數(shù)據(jù)，氣象數(shù)據(jù)信息篩選，在網(wǎng)絡(luò)系統(tǒng)模型中輸入，把奇異數(shù)據(jù)信息清理，利于達(dá)到系統(tǒng)收斂目標(biāo)。如圖1，是BP網(wǎng)絡(luò)系統(tǒng)預(yù)測模型展示圖。在對BP網(wǎng)絡(luò)系統(tǒng)預(yù)測模型展示圖分析和研究可以得出，在BP網(wǎng)絡(luò)系統(tǒng)不同三個層次中，其把w1b1與w2b2分別設(shè)置為隱含與輸出層的權(quán)值與閾值。向量輸入設(shè)置為P，a1為隱含體系的輸出數(shù)值，a2為輸出系統(tǒng)中輸出數(shù)值。本文對BP網(wǎng)絡(luò)系統(tǒng)建設(shè)，利用模塊化形式建設(shè)

網(wǎng)絡(luò)，把反復(fù)運(yùn)作網(wǎng)絡(luò)設(shè)計(jì)為 不同單一網(wǎng)絡(luò)體系，控制網(wǎng)絡(luò)訓(xùn)練數(shù)量，保證樣本數(shù)量合理性。

2.2 輸出和輸入和隱含層判斷

其一，輸入系統(tǒng)中節(jié)點(diǎn)設(shè)計(jì)結(jié)合模型中變量輸入大小節(jié)點(diǎn)，本文中把輸入量是個極為16個。在預(yù)測選取前一天，六點(diǎn)之前，早晚七點(diǎn)自后，把十四個電力輸出，在有序規(guī)劃和設(shè)計(jì)后，把其作為預(yù)測模型主要輸入量，把輸入量掌握在14個。預(yù)測當(dāng)天溫度平均值和前一天溫度平均值，輸入數(shù)量為16個模型。發(fā)電功率預(yù)測時(shí)間在次天上午六點(diǎn)到晚七點(diǎn)開展，依據(jù)標(biāo)準(zhǔn)有序?qū)?4個不同電力運(yùn)走階段與時(shí)間，發(fā)出功率預(yù)測，在輸出端點(diǎn)利用14個節(jié)點(diǎn)。

其二，隱含體系節(jié)點(diǎn)確定和判斷。首先，在隱含體系中，神經(jīng)元缺點(diǎn)和判斷方法，需在16個神經(jīng)元輸入后，在14個神經(jīng)元輸出行為結(jié)束后，多次對網(wǎng)絡(luò)系統(tǒng)調(diào)式，對模型優(yōu)化完善，直到獲得合適數(shù)值。在實(shí)際訓(xùn)練中，優(yōu)先設(shè)計(jì)神經(jīng)元隱含體系神經(jīng)元數(shù)量，結(jié)合歷史數(shù)據(jù)和信息，把其作為集體訓(xùn)練集，開展網(wǎng)絡(luò)訓(xùn)練。其次，把其余系統(tǒng)作為測試集，對網(wǎng)絡(luò)訓(xùn)練效果好體系進(jìn)行預(yù)測和預(yù)測。把網(wǎng)絡(luò)系統(tǒng)泛化性能作為評判指標(biāo)，線性回歸方法具有實(shí)際應(yīng)用價(jià)值，在網(wǎng)絡(luò)系統(tǒng)結(jié)構(gòu)比較和分析期間，可以利用這一方法開展。

3 結(jié)論

綜上所述，BP神經(jīng)網(wǎng)絡(luò)是具有代表性神經(jīng)網(wǎng)絡(luò)，其是依據(jù)誤差逆轉(zhuǎn)理論標(biāo)準(zhǔn)，利用誤差逆轉(zhuǎn)理論進(jìn)行傳播和計(jì)算，具有反饋網(wǎng)絡(luò)特點(diǎn)。在運(yùn)用過程中，設(shè)計(jì)規(guī)劃BP神經(jīng)網(wǎng)絡(luò)布局，對以往發(fā)電功率信息與數(shù)據(jù)，氣象數(shù)據(jù)信息篩選，在網(wǎng)絡(luò)系統(tǒng)模型中輸入，把奇異數(shù)據(jù)信息清理。布局形式設(shè)計(jì)為三層結(jié)構(gòu)，充分考慮輸入因子時(shí)間，輸入因子環(huán)境溫度與光照度，了解組件潔凈度，輸出電量設(shè)為光伏發(fā)電的有用功出力狀態(tài)。

參考文獻(xiàn)：

[1]張艷霞，趙杰.基于反饋型神經(jīng)網(wǎng)絡(luò)的光伏系統(tǒng)發(fā)電功率預(yù)測[J]. 電力系統(tǒng)保護(hù)與控制，2011（15）：96-101+109.endprint