本发明涉及一种基于模糊c均值混合密度网络的光伏发电功率预测方法,属于光伏发电功率预测。
背景技术:
1、相比于化石能源,太阳能在自然界中非常丰富,是实现电力系统低碳化的一个重要的着力点。而光伏的一个显著的特点是其发电功率的不确定性,这对光伏的消纳和电力系统的稳定性都构成了挑战,因此有必要对光伏发电功率进行尽可能准确的预测。
2、现阶段,光伏发电功率的预测大多只关注预测值的期望值,但是关于该预测的不确定性程度的讨论还不够充分,为应对不确定性的波动可能需要额外的备用电源及其额外的成本。为了辅助更好的了解预测结果的可靠性程度,有必要在预测光伏发电功率的同时获得关于该预测值的不确定性程度的相关信息。
技术实现思路
1、针对上述现有技术存在的问题,本发明提供一种基于模糊c均值混合密度网络的光伏发电功率预测方法,可以更加科学的获得预测结果的可靠性和准确性,以便更好地规划和管理光伏发电系统。
2、为了实现上述目的,本发明采用的一种基于模糊c均值混合密度网络的光伏发电功率预测方法,包括以下步骤:
3、s1、收集光伏板出力数据和天气数据,并进行特征工程;
4、s2、基于模糊c均值聚类法把数据划分为若干个模糊子集,在每个模糊子集训练混合密度网络,采用负对数似然函数和随机梯度下降算法,使用均方根误差来评估;
5、s3、在fcm阶段输出各个簇上的光伏发电功率的预测期望值,在mdn阶段输出各个簇上光伏发电功率的概率密度函数,再结合隶属度权重对预测期望值和概率密度函数分别加权平均求得最终预测结果,并得到预测值的置信度区间。
6、在一些实施例中,所述步骤s1中收集光伏发电厂近两年的光伏电池板的发电量数据、区域天气数据、电网负荷数据、历史维修记录数据。
7、在一些实施例中,结合科学计算库对收集到的数据进行特征工程,包括:
8、对于光伏电池板的发电量数据、区域天气数据、电网负荷数据,去除极端的异常值,并通过插值法或者均值法填充缺失值,同时进行归一化处理。
9、在一些实施例中,对于历史维修记录数据,将其转换为0/1变量,表示设备出现或没有出现故障。
10、在一些实施例中,所述步骤s2的实施过程如下:
11、(1)初始化模糊隶属度的初始值,初始值随机给定或基于对获取数据的先验信息给定;
12、(2)把当前隶属度值作为各个样本的权重,通过对每个样本进行加权平均的方法来计算出每个簇的中心点;
13、(3)通过每一个样本和上一步的簇中心的距离来更新每个样本的隶属度值;
14、(4)判断新的隶属度值和上一轮隶属度值的结果的差距是否小于预设的阈值,若小于则判定为收敛,否则返回进行迭代计算。
15、在一些实施例中,所述步骤s3的实施过程如下:
16、(1)在每一个簇上分别训练一个混合密度网络模型,训练时采用随机梯度下降算法,使用均方根误差作为模型的评价指标,在预测阶段,先使用fcm算法将第i个时刻输入的特征向量xi归类到某个簇,再根据该簇对应的mdn模型预测该时刻的发电功率的概率密度函数;
17、(2)将每个簇所预测的概率密度函数按照其权重进行加权,得到最终预侧的概率密度函数,然后确定置信度水平,结合样本量计算出置信区间,和预测期望值一起作为最终的预测。
18、与现有技术相比,本发明的基于模糊c均值混合密度网络的光伏发电功率预测方法,基于模糊聚类的混合密度函数可以将数据分为多个簇,然后在每个簇上训练混合密度网络模型,该方法可根据数据的模糊性质自适应地调整核函数的权重,从而提高预测精度和鲁棒性,对低碳配电系统的规划、运行和管理都具有重要的意义。
1.一种基于模糊c均值混合密度网络的光伏发电功率预测方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的一种基于模糊c均值混合密度网络的光伏发电功率预测方法,其特征在于,所述步骤s1中收集光伏发电厂近两年的光伏电池板的发电量数据、区域天气数据、电网负荷数据、历史维修记录数据。
3.根据权利要求2所述的一种基于模糊c均值混合密度网络的光伏发电功率预测方法,其特征在于,结合科学计算库对收集到的数据进行特征工程,包括:
4.根据权利要求3所述的一种基于模糊c均值混合密度网络的光伏发电功率预测方法,其特征在于,对于历史维修记录数据,将其转换为0/1变量,表示设备出现或没有出现故障。
5.根据权利要求1所述的一种基于模糊c均值混合密度网络的光伏发电功率预测方法,其特征在于,所述步骤s2的实施过程如下:
6.根据权利要求1所述的一种基于模糊c均值混合密度网络的光伏发电功率预测方法,其特征在于,所述步骤s3的实施过程如下: