針對(duì)可收集能量傳感器網(wǎng)絡(luò)的能量預(yù)測(cè)方法

劉曉宇 韓崇 李繼萍

摘 要：為改善WCMA算法簡(jiǎn)單根據(jù)時(shí)間間隔和平均值計(jì)算GAP因子的不足，提出一種基于天氣相似度的太陽(yáng)能收集功率預(yù)測(cè)方法D-WSMA。根據(jù)參考天和參考時(shí)刻對(duì)預(yù)測(cè)值的影響程度不同，采取相似度刻畫數(shù)據(jù)間關(guān)系，動(dòng)態(tài)調(diào)整參考天和參考時(shí)刻的權(quán)重以及歷史參考時(shí)刻的加權(quán)平均值，從而得到可變化的DGAP因子。同時(shí)，根據(jù)數(shù)據(jù)波動(dòng)性特征，改進(jìn)原有算法中的固定權(quán)重α，得到動(dòng)態(tài)變化權(quán)重因子[dα]。實(shí)驗(yàn)結(jié)果表明，D-WSMA預(yù)測(cè)精度相對(duì)WCMA算法提高了14.04%、28.30%、4.76%、12.58%，平均提高了15%。因此，D-WSMA預(yù)測(cè)方案具有良好性能，適合更加多樣化的天氣條件。

關(guān)鍵詞：太陽(yáng)能功率預(yù)測(cè)；D-WSMA；相似度；DGAP因子；動(dòng)態(tài)變化

DOI：10. 11907/rjdk. 191371

中圖分類號(hào)：TP393 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1672-7800（2019）005-0162-06

Abstract： In order to improve the WCMA algorithm and calculate the GAP factor based on time interval and average value， this paper proposes a solar energy harvested power prediction method D-WSMA based on weather similarity. According to the influence of the reference day and the reference time on the predicted value， it adopts the similarity to characterize the relationship between the data， which can change the weight of the reference days and time slots. The weight for the average of the historical reference time slots contributed to introduce a changeable DGAP factor. At the same time， according to the volatility characteristics of the data， the fixed weights in the original algorithm are improved and can be a dynamic weighting factor. The experimental results show that the prediction accuracy of this scheme is 14.04%，28.30%，4.76%，12.58% higher than WCMA algorithm，and the average improvement is 15%。 Hence， D-WSMA prediction method has good performance and can adapt to a wider range of weather conditions.

Key Words： solar power prediction； D-WSMA； similarity； DGAP factor； dynamic change

0 引言

無(wú)線傳感器網(wǎng)絡(luò)（Wireless Sensor Networks，WNS）是當(dāng)前信息領(lǐng)域研究熱點(diǎn)之一。它是多個(gè)傳感器節(jié)點(diǎn)采用多跳和自組織等形式構(gòu)成網(wǎng)絡(luò)，并以協(xié)作方式感知、采集、處理以及無(wú)線通信方式傳輸監(jiān)測(cè)區(qū)域內(nèi)的對(duì)象信息[1]。無(wú)線傳感網(wǎng)絡(luò)被廣泛應(yīng)用于監(jiān)控遠(yuǎn)程或惡意環(huán)境，大量微小節(jié)點(diǎn)部署在目標(biāo)區(qū)域，用于執(zhí)行監(jiān)視任務(wù)，如動(dòng)物跟蹤、軍事監(jiān)視、家庭應(yīng)用[2-6]，有時(shí)傳感器部署在惡劣環(huán)境中，如深海、零下區(qū)域、危險(xiǎn)戰(zhàn)區(qū)。

傳感器節(jié)點(diǎn)由電池供電，即傳感器網(wǎng)絡(luò)中的電力供應(yīng)有限。一旦電量耗盡，若不及時(shí)更換電池，將無(wú)法正常工作，假如多處節(jié)點(diǎn)同時(shí)電量耗盡，那么整個(gè)監(jiān)測(cè)系統(tǒng)將會(huì)發(fā)生癱瘓。因此，能量受限問題制約著整個(gè)網(wǎng)絡(luò)生命周期[7]。不少學(xué)者針對(duì)傳感器能量受限問題，提出了內(nèi)部節(jié)能措施，試圖利用有限的能量實(shí)現(xiàn)網(wǎng)絡(luò)效益最大化，主要分為以下4種：節(jié)能路由和數(shù)據(jù)采集；減少傳輸數(shù)據(jù)量和無(wú)法進(jìn)行的活動(dòng)；將傳感器節(jié)點(diǎn)調(diào)為備用活動(dòng)和睡眠模式；通過調(diào)整傳輸范圍進(jìn)行功率控制[8]。能量外部供給方面，提出了環(huán)境能量收集，即可在無(wú)線傳感器網(wǎng)絡(luò)中使用太陽(yáng)能或風(fēng)能等為電池充電，從環(huán)境中獲取電能。近幾年，隨著光伏發(fā)電技術(shù)發(fā)展，太陽(yáng)能收集技術(shù)也日趨成熟，傳感器可以把收集的太陽(yáng)能放置在緩沖器中，實(shí)現(xiàn)太陽(yáng)能到電能的轉(zhuǎn)換。當(dāng)電池電量耗光后，能量管理模塊便把緩沖區(qū)內(nèi)的電能輸送給傳感器，延長(zhǎng)系統(tǒng)生命周期。

在太陽(yáng)能收集系統(tǒng)中，能量預(yù)測(cè)成為關(guān)鍵。傳感器節(jié)點(diǎn)根據(jù)當(dāng)前預(yù)測(cè)可獲得的太陽(yáng)能進(jìn)行任務(wù)調(diào)度，即預(yù)測(cè)下一時(shí)刻可收集能量減少時(shí)便降低功耗，節(jié)約電量；反之就提高節(jié)點(diǎn)工作功率。因此，能量預(yù)測(cè)是整個(gè)系統(tǒng)平穩(wěn)運(yùn)行的保障，預(yù)測(cè)誤差越小，系統(tǒng)將越有序平穩(wěn)運(yùn)行[9-10]。但是，太陽(yáng)能具有雙重特征：太陽(yáng)每天規(guī)律性上升和下落，使太陽(yáng)輻射以脈沖形式發(fā)生；伴隨天氣和時(shí)間變化，每天接收太陽(yáng)能的不規(guī)律性，給能量預(yù)測(cè)帶來(lái)一定難度。

現(xiàn)有能量預(yù)測(cè)算法主要分為兩種：一種是基于神經(jīng)網(wǎng)絡(luò)，通過訓(xùn)練大量歷史數(shù)據(jù)后預(yù)測(cè)，如BP神經(jīng)網(wǎng)絡(luò)[11]、KBNN神經(jīng)網(wǎng)絡(luò)[12]等算法，但因傳感器內(nèi)存有限，大量訓(xùn)練數(shù)據(jù)并不合適；另一種是基于傳統(tǒng)時(shí)間序列模型，如指數(shù)加權(quán)移動(dòng)平均法（Exponentially Weighted Moving Average，EWMA）[13]、天氣條件移動(dòng)平均法（Weather-Conditioned Moving Average，WCMA）[14]和通用動(dòng)態(tài)天氣條件移動(dòng)平均法（Universal Dynamic Weather Condition Moving Average，UD-WCMA）[15]等模型，根據(jù)歷史數(shù)據(jù)預(yù)測(cè)未來(lái)短期收集的能量。但是，EWMA和WCMA難以適應(yīng)天氣變化較大的情況；UD-WCMA則在天氣平穩(wěn)時(shí)易出現(xiàn)較大誤差點(diǎn)，典型天氣匹配也難以在現(xiàn)實(shí)中實(shí)現(xiàn)。