欢迎来到天天文库
浏览记录
ID:55138882
大小:26.50 KB
页数:5页
时间:2020-04-28
《基于模糊神经网络的光伏发电系统发电量的预测.doc》由会员上传分享,免费在线阅读,更多相关内容在应用文档-天天文库。
1、基于模糊神经网络的光伏发电系统发电量的预测 [摘要]光伏系统的输出电量由于受太阳日照量、气候、光伏组件材料等多种因素影响而是一个非线性的变化量,因此对其输出电量的准确预测可以提高光伏系统并网后电网的稳定性及安全性。在模拟实验中,将模拟数据按春、夏、冬三季进行划分从而确定了规则层的节点数为三,进而推导出模糊化层和去模糊化层的节点数,在训练过程中通过梯度下降法来更新模糊神经网络各层的参数,得到一个符合要求的预测网络。将用于测试的数据输入到训练好的神经网络中,用来验证该方法的有效性。 [关键词]光伏系统;
2、发电量预测;模糊神经网络 doi:10.3969/j.issn.1673-0194.2017.13.077 [中图分类号]TM615[文献标识码]A[文章编号]1673-019413-0180-04 0引言 目前光伏发电量预测的方法主要有神经网络法、灰色预测法、多元线性分析法这三种方法,通过对这三种预测模型进行比较,发现多元线性回归和灰色理论虽然方法较为简单,但是预测误差也较大,而神经网络法预测则可以比较准确但是预测过程较为繁杂。在基于神经网络的预测中,多是以传统的BP神经网络为基础模型,在此基
3、础上采用一些新的方法对BP网络加以改进。例如在BP网络的学习过程中采用Fletcher-Reeves共轭梯度算法,可以提高学习率,部分地简化了预测过程,但输入量过多,且预测的局限性较大。 在对比了众多方法的优缺点之后,发现BP神经网络普遍存在中间隐层数难以确定、输入数据量过多,且学习时间过长等劣势。因此本文提出了一种基于模糊神经网络的预测模型,所选取的输入量是和当天的发电量相关程度比较大的当天的平均气温以及当天的总日照量,模糊神经网络的结构是由大量的先验知识而设计出来的。在不影响预测精度的情况下,为了
4、降低整个网络的复杂程度,对整个网络的模糊化层中的隶属度函数及去模糊化层的输出函数都做了适当的变化,解决了传统神经网络收敛速度慢的问题,从而使整个神经网络结构简洁,训练速度较快,且预测精度较高。 1模糊神经网络 模糊神经网络是在神经网络和模糊系统的基础上发展起来的,在模糊神经网络出现之前,神经网络与模糊系统都已有了多年的研究历史,都有着较完备的理论基础。 模糊神经网络是一种将模糊逻辑推理的知识性结构和神经网络的自学习能力结合起来的一种局部逼近网络,融合弥补了神经网络在数据处理方面的不足和模糊逻辑在学
5、习方面的缺陷,是一个集语言计算、逻辑推理、分布式处理和非线性动力学过程为一身的系统。因此,它具有处理不确定信息的模糊推理能力和依据样本数据进行学习的能力。模糊神经网络主要利用神经网络结构来实现模糊推理,从而使神经网络的权值具有在模糊逻辑中推理参数的物理意义。 常见的模糊神经网络有基于Mamdani推理的和基于Takgai-Sugeno推理的这两种模糊神经网络。基于Mamdani推理的模糊神经网络多用于模糊逻辑控制器、模糊逻辑决策系统、模糊逻辑辨识系统等方面;基于Takgai-Sugeno推理的模糊神经
6、网络则是一种非线性模型,宜于表达复杂系统的动态特性。光伏系统的发电量由于受日照量、温度、湿度、材料转换率等多方面因素的影响,因此,光伏系统的输出是一个不稳定的非线性变化的动态工程,所以本文所采用的就是基于Takgai-Sugeno推理的模糊神经网络。 2TS模糊神经网络 2.1TS模糊逻辑 在TS模糊逻辑系统中,模糊规则有着如下的特殊形式: R:ifx1isF1l,…,ifxnisFnlthen yl=P0l+P1lx1+…+Pnlxn 3预测模型的建立 3.1输入量的确定 光伏电池之所
7、以能发电,是由于当阳光照射到半导体材料的太阳能电池板上时,光能被吸收在太阳能电池内,并且产生电子和空穴,而负价的电子多向n型聚集,正价的空穴多向p型聚集,因此,将太阳能电池的正面和背面接上电极与灯泡等负荷连接,就能产生�流。因此,日照量是影响光伏发电发电量的重要因素之一,所以日照量应作为输入量之一。此外光伏发电的发电量还受温度、湿度、安装角度、材料转换率等众多因素的影响,在这众多因素中,温度对光伏发电量的影响是较大的,因此将温度作为另一个输入量输入到预测模型中。 本文的输入量为日照量与温度组成的一个2
8、×1的列向量,因为本文所预测的是晴天一整日的发电量,因此,日照量取一整日的日照量,温度取一整日的平均温度。若输入向量用x表示,一整天的日照量用h表示,温度用t表示,则输入量可表示为下面的形式: x=[h,t]T 3.2TS型模糊神经网络结构与初始参数的确定 本文是针对全年晴天的当天发电量做出预测的,所以按季节划分将全年的数据划分成了春、夏、冬,由于秋天的日照量与温度和春天的接近,所以在本文中并没有单独列出秋季,而是只按春、夏、冬三季的
此文档下载收益归作者所有