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