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，在當下社會不同領域發(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?。近些年，我國政府提高光伏發(fā)電產(chǎn)業(yè)關注度，給出全新發(fā)展政策與戰(zhàn)略，促進光伏發(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)建設利用中光伏發(fā)電，發(fā)揮重要影響。為了實現(xiàn)太陽能光伏發(fā)電最大發(fā)展目標，應該深入研究光伏發(fā)電系統(tǒng)技術，為光伏建設發(fā)展作技術支持。本文主要就神經(jīng)網(wǎng)絡的光伏發(fā)電系統(tǒng)發(fā)電功率預測進行分析和研究。

關鍵詞：神經(jīng)網(wǎng)絡；光伏發(fā)電系統(tǒng)；發(fā)電功率預測；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，均是運用太陽能這一科學形式，但是環(huán)境溫度與光照強度對光伏發(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。眾多實際應用人員，運用光伏開展電能供應廣遭，導致電網(wǎng)規(guī)劃管理人員，難以全面掌握和預測到負荷運作情況，負荷增長率預測難度大，影響機組處理與系統(tǒng)調(diào)度。所以，需要對光伏發(fā)電期間，系統(tǒng)發(fā)電期間功率變化預測分析，確保系統(tǒng)穩(wěn)定性和安全性。BP神經(jīng)網(wǎng)絡是具有代表性神經(jīng)網(wǎng)絡，在神經(jīng)網(wǎng)絡的光伏發(fā)電系統(tǒng)發(fā)電功率預測應用效果佳。

1 BP神經(jīng)網(wǎng)絡闡述

BP神經(jīng)網(wǎng)絡是具有代表性神經(jīng)網(wǎng)絡，其是依據(jù)誤差逆轉(zhuǎn)理論標準，利用這一形式進行傳播和計算，具有反饋網(wǎng)絡特點。BP神經(jīng)網(wǎng)絡主要理論依據(jù)為把網(wǎng)絡學習劃分為反向傳播運作形式和正向運作形式，映射能力好，具有非線性特點。利于在利用期間，把網(wǎng)絡學習中映射關系大量輸出和輸入，泛化效果好。BP神經(jīng)網(wǎng)絡是當下社會應用最為廣泛，可以結(jié)合季節(jié)的變化性，結(jié)合氣候特點，建立子模型，對神經(jīng)網(wǎng)絡的光伏發(fā)電系統(tǒng)發(fā)電功率預測。在隨機性大，自然氣候影響大區(qū)域中，BP神經(jīng)網(wǎng)絡預測能力強。BP神經(jīng)網(wǎng)絡實際應用期間，需在結(jié)合實際區(qū)域環(huán)境特點，建立一個BP神經(jīng)網(wǎng)絡系統(tǒng)模型，構(gòu)建應用效果較好的網(wǎng)絡模型，降低預測難度。

利用反向形式傳播和運作，對網(wǎng)絡系統(tǒng)權(quán)值與閾值調(diào)整，直到網(wǎng)絡系統(tǒng)誤差滿足目標需求，在目標范圍中便可自動停止。 BP神經(jīng)網(wǎng)絡其模型結(jié)構(gòu)包括輸入和輸出體系、中間體系。詳細來說，為了實現(xiàn)模型最大應用目標，在結(jié)構(gòu)設計中，需依據(jù)季節(jié)和氣候，構(gòu)建預測模型系統(tǒng)子板塊，滿足神經(jīng)網(wǎng)絡最大限度接近不同復雜和不同形式非線性函數(shù)，對大量數(shù)據(jù)開展網(wǎng)絡訓練[1]。

神經(jīng)網(wǎng)絡基礎上，光伏運作功率預測，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字母標示神經(jīng)網(wǎng)絡系統(tǒng)伏運作功率，把伏運作功率數(shù)值范圍控制在0-100之間，如果灰度把光伏組件全部覆蓋，當其有用功輸出力為零時，其清潔度a數(shù)值為零。當光伏組件實現(xiàn)100%清潔程度后，a數(shù)值為100，可以對a開展實驗檢測，在實驗檢測后，確定a數(shù)值。在對預測模型和系統(tǒng)建設時，利用三層布局形式，考慮到輸入因子時間，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)軟件平臺基礎上，可以把BP神經(jīng)網(wǎng)絡和系統(tǒng)平臺結(jié)合，減低預測難度。

2 預測系統(tǒng)結(jié)構(gòu)布局規(guī)劃設計

2.1 網(wǎng)絡訓練

網(wǎng)絡系統(tǒng)和布局設計規(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)絡系統(tǒng)模型中輸入，把奇異數(shù)據(jù)信息清理，利于達到系統(tǒng)收斂目標。如圖1，是BP網(wǎng)絡系統(tǒng)預測模型展示圖。在對BP網(wǎng)絡系統(tǒng)預測模型展示圖分析和研究可以得出，在BP網(wǎng)絡系統(tǒng)不同三個層次中，其把w1b1與w2b2分別設置為隱含與輸出層的權(quán)值與閾值。向量輸入設置為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)絡系統(tǒng)建設，利用模塊化形式建設

網(wǎng)絡，把反復運作網(wǎng)絡設計為 不同單一網(wǎng)絡體系，控制網(wǎng)絡訓練數(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)點設計結(jié)合模型中變量輸入大小節(jié)點，本文中把輸入量是個極為16個。在預測選取前一天，六點之前，早晚七點自后，把十四個電力輸出，在有序規(guī)劃和設計后，把其作為預測模型主要輸入量，把輸入量掌握在14個。預測當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)電功率預測時間在次天上午六點到晚七點開展，依據(jù)標準有序?qū)?4個不同電力運走階段與時間，發(fā)出功率預測，在輸出端點利用14個節(jié)點。

其二，隱含體系節(jié)點確定和判斷。首先，在隱含體系中，神經(jīng)元缺點和判斷方法，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。在實際訓練中，優(yōu)先設計神經(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，把其作為集體訓練集，開展網(wǎng)絡訓練。其次，把其余系統(tǒng)作為測試集，對網(wǎng)絡訓練效果好體系進行預測和預測。把網(wǎng)絡系統(tǒng)泛化性能作為評判指標，線性回歸方法具有實際應用價值，在網(wǎng)絡系統(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)絡是具有代表性神經(jīng)網(wǎng)絡，其是依據(jù)誤差逆轉(zhuǎn)理論標準，利用誤差逆轉(zhuǎn)理論進行傳播和計算，具有反饋網(wǎng)絡特點。在運用過程中，設計規(guī)劃BP神經(jīng)網(wǎng)絡布局，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)絡系統(tǒng)模型中輸入，把奇異數(shù)據(jù)信息清理。布局形式設計為三層結(jié)構(gòu)，充分考慮輸入因子時間，輸入因子環(huán)境溫度與光照度，了解組件潔凈度，輸出電量設為光伏發(fā)電的有用功出力狀態(tài)。

參考文獻：

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