基于时变回声状态网的光伏发电在线短期预测方法研究

This project studies a time-varying echo state network and a power model of Photovoltaic array. Firstly, This project proposes a time-varying echo state network with abilities of short-term memory and on-line dynamic self-learning. Reservoir of time-varying echo state network is composed of different backbone neuron and its time-delay units. According to autocorrelation characteristics of input time series and prediction performance requirements, time-varying echo state network can dynamically adjust the short-term memory ability. A improved small world network is developed. And the improved small world network is used to guide the sparse connection of reservoir neural nodes, which reduces the blindness of the random sparse connections. In addition, this project carries out the research on parameter optimization. Secondly, a explicit model for current-voltage characteristic is established and then a power model for PV array is developed. This project use the time-varying echo state network model to predict output of photovoltaic power generation systems. This makes the prediction accuracy higher and settling time shorter. Therefore, this project plays a very important role in grid maximally admitting new energy power.

主要研究时变回声状态网和光伏阵列的发电功率计算模型。①提出具有短期记忆的时变回声状态网。时变回声状态网的储备池由神经元和其延迟单元组成。根据输入时间序列自相关特性和预测性能要求, 时变回声状态网能够动态地调整子储备池神经元的短期记忆能力。提出一个改进的小世界网络模型，并利用它动态指导储备池神经单元的稀疏连接，减小随机稀疏连接的盲目性。另外，研究时变回声状态网的参数优化问题。②建立光伏阵列的电流电压特性显式模型，进而建立光伏阵列的瞬时发电功率计算模型。本项目利用时变回声状态网进行发电预测，具有预测精度高和调节时间短特点。本项目对电网实现新能源电力的最大程度消纳具有重要意义。

光伏发电的输出功率具有明显的间歇性和随机波动性，这使得短期光伏发电预测准确性成了电网接纳光伏发电的关键所在。在此背景下，本项目研究了基于改进回声状态网的高精度发电在线短期预测模型，对电网实现新能源电力的最大程度消纳具有重要意义。本项目主要研究具有短期记忆能力的回声状态网和光伏阵列的发电功率预测模型。具体成果如下：.（1）提出变记忆回声状态网。在有限的时间内，回声状态网（ESN）的回声状态特性不可能被完全地满足。因此，为了提升ESN的预测能力，需要考虑输入信号的特性。本项目提出了变记忆长度回声状态网（VML-ESN）, 其储备池由神经元和其延迟单元组成。延迟大小决定于输入信号自相关特性和预测性能要求。VML-ESN能够动态地调整储备池神经元的短期记忆能力，提高了回声状态网的预测能力和泛化能力。.（2）提出小世界回声状态网。首先改进了小世界网络，其加边概率是节点间距离的负指数函数。然后利用加边概率表示泄露积分型回声状态网 （Leaky-ESN）的储备池两个神经节点间的连接权值， 取值范围为[0, 1]， 表征了节点间的连接程度。有目的地实现了储备池神经节点间的稀疏连接， 减小了Leaky ESN 储备池随机稀疏连接的盲目性， 提高了储备池的适应性。.（3）提出模糊双曲正切回声状态网（FHM-ESN）。FHM-ESN源于模糊双曲正切模型（FHM）与ESN模型的状态方程具有相似性，可以利用FHM的模糊规则来解释ESN的推理过程。同时，与ESN模型相比，FHM-ESN更利于控制器设计。.（4）提出利用罚函数内点法，扩展卡尔曼滤波方法优化回声状态网的参数。为了保障回声特性条件，泄露积分型回声状态网（Leaky-ESN）的参数间存在不等式约束条件，因此利用罚函数内点法、扩展卡尔曼滤波方法来优化参数，克服了通过反复试验法选取参数值而降低了 Leaky-ESN 模型的优越性和性能..（5）研究光伏阵列的发电功率预测模型。本项目分别利用光伏阵列瞬时输出功率模型和改进的回声状态网，进行发电预测，并利用现有的历史发电数据进行检验。