基于神經網絡的光伏發電功率預測不良數據處理的分析

?

基于神經網絡的光伏發電功率預測不良數據處理的分析

郎 瑩,張文濤,辛 義

（北京電子科技職業學院，100176）

摘要：光伏發電系統歷史發電功率數據的真實可靠是光伏發電系統發電功率預測的基礎,而在光伏發電系統運行或數據采集、測量、傳輸、轉換等環節出現故障時會導致歷史數據中含有不良數據。本論文提出采用小波分析中的信號奇異點檢測法對不良數據進行剔除，并采用神經網絡的時間序列預測模型對剔除后的數據進行重構，從而達到檢測并消除不良數據的目的,為光伏發電系統發電功率預測提供能反應其變化規律的真實歷史信息。

關鍵詞：發電功率預測；不良數據；小波變換；奇異點；神經網絡；時間序列

隨著能源危機和環境保護形勢日趨嚴峻，分布式能源憑借其能效利用合理、污染少、運行靈活等特點得到大力發展，其中尤其是光伏發電已成為世界各國普遍關注的新興產業。光伏發電系統并網運行后，其發電波動性將對電力系統造成沖擊，直接影響電力系統的安全穩定運行。針對上述問題，科學家們提出通過對光伏發電系統進行發電功率預測以降低其對系統的不良影響。而發電功率預測需要從大量的歷史發電功率和相關因素中提取其變化的規律性，因此歷史數據樣本的準確性是預測結果能否精確有效的重要因素。

對于歷史數據樣本中的不良數據的識別及處理研究人員已經提出了一些方法如:經驗修正法、分時段設定閾值法、曲線置換法、數據橫向比較法、數據縱向比較法、插值法、設計濾波器法等。

本文提出首先將小波分析中的信號奇異點檢測仿真應用到不良數據的檢測中，其次將檢測出的不良數據進行剔除，最后采用神經網絡的時間序列預測模型對剔除后的數據進行重構預測。

1　不良數據的檢測與重構

在光伏發電系統發電功率的歷史數據中，當出現系統發生故障、瞬時故障跳閘等現象時，這些突發的變動顯然是對發電功率規律性的破壞;當系統運行時,數據采集、測量、傳輸、轉換各個環節都可能發生故障或受到干擾,而導致數據異常。稱上述導致系統歷史發電功率反常態勢的數據為不良數據,它們將以偽信息、偽變化規律的方式提供給發電功率預測作為參考,必然影響預測的精確度和可靠性。

1.1基于小波理論的不良數據的檢測與剔除

小波是具有震蕩特性、能夠迅速衰減到零的一類函數。

稱為分析小波（Analyzing Wavelet）或連續小波。

離散小波為:

通常情況下,當信號在某一時刻,其幅值發生突變,引起信號的非連續時,幅值的突變處是第一類型間斷點，亦稱該信號在此處具有奇異性。

1.2基于神經網絡時間序列預測的不良數據的重構

神經網絡的時間序列預測方法是依靠歷史數據建立神經網絡的模型，時間序列的神經元組成只是歷史數據。時間序列預測方法的原理就是假設各個不同時刻的歷史數據存在著一種線性的或非線性的品質。設為某時刻的時間序列，時間序列預測就是要找到擬合函數，從而下一個時刻就可用下式來預測：

圖1　神經網絡結構模型圖

2　應用分析

2.1不良數據的檢測與剔除

數據采用北京亦莊地區光伏發電系統發電功率2014年1月1日每10 min的采集數據。

在信號的小波分解的第一層高頻系數d1中，可以看出第33個測量點和第47個測量點數據為不良數據，并進行剔除。

2.2不良數據的重構

圖2　小波分析對第一類間斷點的檢測

采用神經網絡的時間序列預測法對北京亦莊地區光伏發電系統2014年1月1日每10 min的采集數據經小波分析信號奇異點檢測剔除后的不良數據進行重構預測。

第33個點的預測結果為234.3

第47個點的預測結果為244.3

3　結論

對于歷史數據的處理是光伏發電系統發電功率預測的基礎，歷史數據中含有不良數據,顯然會影響預測的精度。采用小波分析中的信號奇異點檢測法對不良數據進行剔除，并采用神經網絡的時間序列預測模型對剔除后的數據進行重構，作為光伏發電系統發電功率預測的樣本數據,從仿真算例可以看出基于小波理論及神經網絡時間序列對光伏發電系統發電功率預測中不良數據的處理方法可以運用到實際工程中。

圖3　第33個點預測結果圖

圖4　第47個點預測結果圖

參考文獻

[1] 張文哲，陳剛，吳迎霞.基于小波理論對負荷預測中不良數據的處理[J].重慶大學學報，2004,27（6）

[2] 肖白 ，徐瀟，宋坤，白洋，李介夫.空間電力負荷預測中異常數據的辨識與處理[J].東北電力大學學報，2013,33（1/2）

[3] 傅薈璇.MATLAB神經網絡應用設計[M].北京：機械工業出版社，2010

Research on bad data processing of PV power forecasting based on Neural Network

Lang Ying,Zhang Wentao,Xin Yi

（Beijing Electronic Science & Technology Vocational College,100176）

Abstract：The history of power data of photovoltaic power generation system is the basis of reliable power generation of photovoltaic power generation system prediction,and in the photovoltaic power generation system operation or data acquisition,measurement,conversion,transmission link failure will lead to the existence of bad data in historical data.This paper presents the application of wavelet analysis in signal singularity detectionmethod was used to remove the bad data,and use the time series prediction of neural network to reconstruct after excluding the data model,so as to achieve the purpose of detecting and eliminating the bad data,real historical information reflecting the regularity for power generation of photovoltaic power generation system prediction.

Keywords：power forecasting;bad data;wavelet transform;singular point;neural network;time series