大數(shù)據(jù)分析下太陽能發(fā)電優(yōu)化模型研究

孫運(yùn)志 蔣德玉 李沛東 張盛林 化晨冰

摘要：能源危機(jī)環(huán)境下太陽能發(fā)電有利于降低不可再生能源的使用量。然而太陽能發(fā)電系統(tǒng)中功率比較不穩(wěn)定，容易造成一系列問題，對太陽能發(fā)電功率預(yù)測有助于降低問題發(fā)生，于是文章研究大數(shù)據(jù)分析下太陽能發(fā)電優(yōu)化模型。首先利用偏相關(guān)方法分析影響太陽能發(fā)電功率的因子，然后將大數(shù)據(jù)分析技術(shù)中的多樣式回歸、混沌神經(jīng)網(wǎng)絡(luò)、魯棒平滑和支持向量機(jī)等模型建立組合預(yù)測模型，將該模型用于太陽能發(fā)電功率預(yù)測中，研究結(jié)果表明組合預(yù)測模型具有更好的精確性。

關(guān)鍵詞：大數(shù)據(jù)分析;太陽能;發(fā)電功率預(yù)測;優(yōu)化模型

中圖分類號：TM615

文獻(xiàn)標(biāo)識碼：A

文章編號：1001-5922（2020）09-0086-04

太陽能屬于一種清潔能源，利用太陽能發(fā)電有助于降低我國不可再生能源的消耗，而當(dāng)前太陽能發(fā)電還存在一定的問題，因?yàn)樘柲馨l(fā)電系統(tǒng)具有較大的隨意性，會造成電力系統(tǒng)出現(xiàn)安全穩(wěn)定，還會出現(xiàn)電能質(zhì)量不穩(wěn)定等問題，于是對太陽能發(fā)電功率進(jìn)行預(yù)測具有重要作用[1-2]。隨著大數(shù)據(jù)分析技術(shù)的快速發(fā)展，已經(jīng)有了很多較為成熟的理論，并且在很多領(lǐng)域中具有良好的應(yīng)用效果[3]。電力系統(tǒng)的不斷應(yīng)用發(fā)展，其中存在各種較為復(fù)雜的數(shù)據(jù)，體現(xiàn)出了大數(shù)據(jù)的特點(diǎn)[4]。文章將通過利用大數(shù)據(jù)分析技術(shù)，對太陽能發(fā)電功率進(jìn)行預(yù)測，其中建立了發(fā)電功率的組合預(yù)測模型。

1 太陽能發(fā)電功率受到氣像因素的影響分析

1.1 發(fā)電功率的影響因素

一般情況下，地理環(huán)境和天氣狀況都會對發(fā)電功率造成很大影響，影響最大的是光照量，濕度、風(fēng)況和溫度也會對發(fā)電功率造成一定的影響;另外，太陽能發(fā)電系統(tǒng)的安裝位置、安裝角度等也會影響到發(fā)電功率[5-6]。通過某地區(qū)的一個太陽能發(fā)電系統(tǒng)的各個數(shù)據(jù)進(jìn)行計算，得到如表1所示的氣象因子和輸出功率之間的Pearson相關(guān)系數(shù)。

從表中可以看出，光照和氣溫與太陽能功率有較大正相關(guān)系數(shù)，另外的濕度和功率有較大的負(fù)相關(guān)性。

1.2 偏相關(guān)分析

由于變量之間的關(guān)系非常復(fù)雜，僅僅只進(jìn)行簡單的相關(guān)系數(shù)分析，不能準(zhǔn)確的反映出與功率之間的相關(guān)性。而通過使用偏相關(guān)分析，能夠準(zhǔn)確的放映出各個因素與功率之間的關(guān)系。

于是通過上述分析后，可以得到如表2所示的偏相關(guān)系數(shù)。從表中可以看出，氣溫和功率之間存在負(fù)相關(guān)性，于是可以驗(yàn)證得到前面所分析的Pearson相關(guān)系數(shù)結(jié)果不準(zhǔn)確。從該表中，可見光照強(qiáng)度屬于影響最大的因子，所以在建模過程中需要著重分析;氣溫和濕度具有較大的負(fù)相關(guān)性，于是在模型中也需要著重分析。而其它的影響因子與功率之間的相關(guān)系數(shù)比較小，所以可以將其忽略，即在建模過程中不需要考慮這些因子。

2 大數(shù)據(jù)分析下組合預(yù)測模型分析

組合預(yù)測就是將不同的預(yù)測模型進(jìn)行組合，從而可以發(fā)揮每個模型的特點(diǎn)和優(yōu)勢，需要將對每個模型進(jìn)行加權(quán)平均處理，從而實(shí)現(xiàn)模型的優(yōu)勢互補(bǔ)，提高模型的預(yù)測效果。

2.1 組合預(yù)測模型

選擇兩種以上的模型預(yù)測對象，然后按照一定的方式將每個模型進(jìn)行綜合處理形成一個組合模型，最后通過該模型進(jìn)行預(yù)測。其數(shù)學(xué)模型如下所示：

圖1是組合預(yù)測模型的結(jié)果，其中數(shù)據(jù)倉庫中有太陽能發(fā)電系統(tǒng)的各種數(shù)據(jù)，方法倉庫中就是不同的預(yù)測模型，通過確定加權(quán)系數(shù)之后，即可建立組合預(yù)測模型，然后對組合預(yù)測模型進(jìn)行應(yīng)用，最后將結(jié)果存放于預(yù)測結(jié)果庫中。

2.2 加權(quán)系數(shù)確定方式

加權(quán)系數(shù)直接決定著組合預(yù)測模型的應(yīng)用效果，文章通過使用混沌粒子群優(yōu)化算法確定加權(quán)系數(shù)，其

3 大數(shù)據(jù)分析技術(shù)中單相模型

3.1 混沌神經(jīng)網(wǎng)絡(luò)模型

文章使用遞歸網(wǎng)絡(luò)構(gòu)造混沌神經(jīng)網(wǎng)絡(luò)。其中結(jié)構(gòu)主要有三個部分，分別為輸出層、輸入向量和隱含成。在隱含層中存在一個反饋連接，其主要作用在于有利于網(wǎng)絡(luò)表現(xiàn)出實(shí)時動態(tài)特征。圖2即為混沌神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖。在隱含層和反饋層中需要有一個傳遞函數(shù)，于是分別使用的線性函數(shù)和Logistic函數(shù)。于是網(wǎng)絡(luò)每層之間的傳遞函數(shù)如下所示：

3.3 其他單項(xiàng)模型的選擇

通過運(yùn)用多項(xiàng)式和魯棒方法，可以將其作為跟蹤因子和抑制因子，然后將這兩者放到補(bǔ)償系數(shù)中，從而可以構(gòu)成組成預(yù)測模型，使得模型具有更好的穩(wěn)定性。

4 算例分析

4.1 歸一化處理

通過對太陽能發(fā)電系統(tǒng)的實(shí)測數(shù)據(jù)為例，訓(xùn)練樣本選擇的是歷史發(fā)電功率和氣象數(shù)據(jù)，目的在于對組合預(yù)測模型進(jìn)行檢驗(yàn)，是否具有較好的應(yīng)用效果。其中功率預(yù)測時間是15min。然后對相關(guān)數(shù)據(jù)進(jìn)行歸一化處理，其處理公式如下所示：

4.2 預(yù)測結(jié)果

為了體現(xiàn)組合預(yù)測模型的優(yōu)勢，文章將其他單個模型也進(jìn)行了預(yù)測分析。預(yù)測結(jié)果如圖3所示。

4.3 誤差分析

文章需要對5種模型進(jìn)行誤差比較，于是比較標(biāo)準(zhǔn)使用的為平均絕對百分比誤差，簡稱MAPE，將其符號設(shè)置為SMAPE：

4.4 預(yù)測實(shí)例結(jié)果分析

表4即為5種預(yù)測模型的誤差統(tǒng)計，從表中可以看出，組合預(yù)測模型其誤差率更小，具有更好的精確性。另外，支持向量機(jī)模型和混沌神經(jīng)網(wǎng)絡(luò)模型的誤差率也相對比較低，因?yàn)樵谠撃Ｐ椭袑庀笠蜃舆M(jìn)行了考慮，于是其精度性比較好。組合預(yù)測模型因?yàn)閷追N模型進(jìn)行集中處理，然后合為一個模型，該模型將具有其他模型的優(yōu)勢，于是其抗突性變和跟蹤能力將會很好，于是其精確度將會比其他單獨(dú)的模型更高。

5 結(jié)語

大數(shù)據(jù)分析技術(shù)的性能廣泛，在很多領(lǐng)域中具有重要作用。文章通過應(yīng)用大數(shù)據(jù)分析中挖掘技術(shù)對太陽能發(fā)電功率進(jìn)行預(yù)測，建立優(yōu)化模型，將幾種模型進(jìn)行集合為一個模型，即所提的組合預(yù)測模型，在給模型中考慮了氣象因子，相比于其他幾種單獨(dú)模型，在實(shí)際的應(yīng)用過程中組合預(yù)測模型有更好的精確度和預(yù)測效果。

參考文獻(xiàn)

[1]趙波，薛美東，葛曉慧，等，光伏發(fā)電系統(tǒng)輸出功率計算方法研究[J].電網(wǎng)與清潔能源，2010，26（07）：19-24.

[2]彭恒，閏偉華.太陽能光熱發(fā)電新技術(shù)工藝路線綜述[J].電站系統(tǒng)工程，2020，36（03）：25-26+29.

[3]嚴(yán)英杰，盛戈唪，陳玉峰，等.基于大數(shù)據(jù)分析的輸變電設(shè)備狀態(tài)數(shù)據(jù)異常檢測方法[J].中國電機(jī)工程學(xué)報，2015，35（01）：52-59.

[4]劉昕林，羅偉峰，黃萍，等.大數(shù)據(jù)環(huán)境下電力信息系統(tǒng)監(jiān)控預(yù)判的智能分析[J].微型電腦應(yīng)用，2019，35（07）：140-142+157.

[5]鄧雅，胡書舉，孟巖峰，等.光伏發(fā)電系統(tǒng)功率預(yù)測研究方法綜述[J].電氣制造，2013 （006）：50-53.

[6]楊光，光伏發(fā)電功率與氣象影響因子關(guān)聯(lián)關(guān)系的分析研究[D].北京：華北電力大學(xué)，2014.

[7]傅美平，馬紅偉，毛建容.基于相似日和最小二乘支持向量機(jī)的光伏發(fā)電短期預(yù)測[J].電力系統(tǒng)保護(hù)與控制，2012（16）：71-75.

[8]趙丹，戚龍.支持向量機(jī)預(yù)測光伏發(fā)電系統(tǒng)最大功率的算法研究[J].吉林化工學(xué)院學(xué)報，2015，032（006）：89-94.

作者簡介：孫運(yùn)志（1970-），男，漢族，山東臨沂人，碩士研究生，高級工程師，研究方向：能源規(guī)劃綜合研究。