基于神經網絡的光伏發電系統發電功率預測

張偉

摘 要：太陽能屬于環保型能源，具有用之不盡，取之不竭的優勢，在當下社會不同領域發展中，發揮積極作用。特別是在光伏發電作業中，為光伏發電工作增加發展動力。太陽能是一種全新能源類型，發展潛力巨大。近些年，我國政府提高光伏發電產業關注度，給出全新發展政策與戰略，促進光伏發電發展。尤其在一些西部區域，例如，新疆和青海等區域，主流電源系統建設利用中光伏發電，發揮重要影響。為了實現太陽能光伏發電最大發展目標，應該深入研究光伏發電系統技術，為光伏建設發展作技術支持。本文主要就神經網絡的光伏發電系統發電功率預測進行分析和研究。

關鍵詞：神經網絡；光伏發電系統；發電功率預測；分析研究

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

0 前言

大規模和大范圍光伏電網發展，均是運用太陽能這一科學形式，但是環境溫度與光照強度對光伏發電影響較大，在并網后期發電系統功率出現不確定性，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，導致電網規劃管理人員，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調度。所以，需要對光伏發電期間，系統發電期間功率變化預測分析，確保系統穩定性和安全性。BP神經網絡是具有代表性神經網絡，在神經網絡的光伏發電系統發電功率預測應用效果佳。

1 BP神經網絡闡述

BP神經網絡是具有代表性神經網絡，其是依據誤差逆轉理論標準，利用這一形式進行傳播和計算，具有反饋網絡特點。BP神經網絡主要理論依據為把網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，把網絡學習中映射關系大量輸出和輸入，泛化效果好。BP神經網絡是當下社會應用最為廣泛，可以結合季節的變化性，結合氣候特點，建立子模型，對神經網絡的光伏發電系統發電功率預測。在隨機性大，自然氣候影響大區域中，BP神經網絡預測能力強。BP神經網絡實際應用期間，需在結合實際區域環境特點，建立一個BP神經網絡系統模型，構建應用效果較好的網絡模型，降低預測難度。

利用反向形式傳播和運作，對網絡系統權值與閾值調整，直到網絡系統誤差滿足目標需求，在目標范圍中便可自動停止。 BP神經網絡其模型結構包括輸入和輸出體系、中間體系。詳細來說，為了實現模型最大應用目標，在結構設計中，需依據季節和氣候，構建預測模型系統子板塊，滿足神經網絡最大限度接近不同復雜和不同形式非線性函數，對大量數據開展網絡訓練[1]。

神經網絡基礎上，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字母標示神經網絡系統伏運作功率，把伏運作功率數值范圍控制在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數值為零。當光伏組件實現100%清潔程度后，a數值為100，可以對a開展實驗檢測，在實驗檢測后，確定a數值。在對預測模型和系統建設時，利用三層布局形式，考慮到輸入因子時間，輸入因子環境溫度與光照度，了解組件潔凈度，輸出電量設為光伏發電的有用功出力狀態。建立在MATLAB系統軟件平臺基礎上，可以把BP神經網絡和系統平臺結合，減低預測難度。

2 預測系統結構布局規劃設計

2.1 網絡訓練

網絡系統和布局設計規劃完畢后，對以往發電功率信息與數據，氣象數據信息篩選，在網絡系統模型中輸入，把奇異數據信息清理，利于達到系統收斂目標。如圖1，是BP網絡系統預測模型展示圖。在對BP網絡系統預測模型展示圖分析和研究可以得出，在BP網絡系統不同三個層次中，其把w1b1與w2b2分別設置為隱含與輸出層的權值與閾值。向量輸入設置為P，a1為隱含體系的輸出數值，a2為輸出系統中輸出數值。本文對BP網絡系統建設，利用模塊化形式建設

網絡，把反復運作網絡設計為 不同單一網絡體系，控制網絡訓練數量，保證樣本數量合理性。

2.2 輸出和輸入和隱含層判斷

其一，輸入系統中節點設計結合模型中變量輸入大小節點，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，輸入數量為16個模型。發電功率預測時間在次天上午六點到晚七點開展，依據標準有序對14個不同電力運走階段與時間，發出功率預測，在輸出端點利用14個節點。

其二，隱含體系節點確定和判斷。首先，在隱含體系中，神經元缺點和判斷方法，需在16個神經元輸入后，在14個神經元輸出行為結束后，多次對網絡系統調式，對模型優化完善，直到獲得合適數值。在實際訓練中，優先設計神經元隱含體系神經元數量，結合歷史數據和信息，把其作為集體訓練集，開展網絡訓練。其次，把其余系統作為測試集，對網絡訓練效果好體系進行預測和預測。把網絡系統泛化性能作為評判指標，線性回歸方法具有實際應用價值，在網絡系統結構比較和分析期間，可以利用這一方法開展。

3 結論

綜上所述，BP神經網絡是具有代表性神經網絡，其是依據誤差逆轉理論標準，利用誤差逆轉理論進行傳播和計算，具有反饋網絡特點。在運用過程中，設計規劃BP神經網絡布局，對以往發電功率信息與數據，氣象數據信息篩選，在網絡系統模型中輸入，把奇異數據信息清理。布局形式設計為三層結構，充分考慮輸入因子時間，輸入因子環境溫度與光照度，了解組件潔凈度，輸出電量設為光伏發電的有用功出力狀態。

參考文獻：

[1]張艷霞，趙杰.基于反饋型神經網絡的光伏系統發電功率預測[J]. 電力系統保護與控制，2011（15）：96-101+109.endprint