[发明专利]一种基于Matlab的光伏发电预测研究系统

摘要

一种基于Matlab的光伏发电预测研究系统，属于光伏发电预测领域，包括数据导入和导出单元、BP神经网络训练和预测单元、训练效果综合评估单元。数据导入和导出单元，可以导入气象环境数据和同期相应的光伏发电功率数据，导出光伏发电功率预测值；BP神经网络训练和预测单元，具有灵活的设置BP神经网络参数、训练和预测功能；训练效果综合评估单元，能够实时全面的反映BP神经网络的训练效果，为预测模型的确定提供参考。本发明是一套完整的预测研究系统，在Matlab的GUI环境中开发实现，有别于Matlab自带工具箱nntool。该研究系统使得BP神经网络预测模型的建立、预测和与Windows系统的交互更加高效和便捷，为光伏发电预测的研究和应用提供了实际参考价值。

主权项

一种基于Matlab的光伏发电预测研究系统，其特征在于包括：数据导入和导出单元、BP神经网络训练和预测单元、训练效果综合评估单元，其中：所述数据导入和导出单元，用于导入气象环境数据和同期相应的光伏发电功率数据，导出光伏发电功率预测值；使用Matlab函数uigetfile()来获取需要导入的和需要导出的目标Excel表格的文件路径和文件名，然后分别使用函数xlsread()和函数xlswrite()来分别读取目标表格内的数据和写入数据到目标表格；在BP神经网络训练期间，导入气象环境数据来作为BP神经网络训练的输入向量，导入同期相应的光伏发电功率数据来作为BP神经网络训练的输出向量；在经BP神经网络多次训练和参考训练效果综合评估，确定理想的BP神经网络预测模型后，导入未来时刻的气象环境数据到BP神经网络预测模型，则可预测输出光伏发电功率预测值，之后导出光伏发电功率预测值到目标表格；所述BP神经网络训练和预测单元，用于进行BP神经网络光伏发电功率预测模型的建立、训练和预测；训练和预测前，使用函数newff()建立BP神经网络光伏发电功率预测模型，需要设置输入‑隐含层函数、隐含‑输出层函数、训练算法、归一化区间、隐含层个数、学习速率、最小目标误差和最大训练次数；在Matlab环境中，输入‑隐含层函数和隐含‑输出层函数均可选tansig、logsig和purelin，均使用Matlab GUI中的listbox实现；训练算法可选LM反向传播算法trainlm、拟牛顿反向传播算法trainbfg、弹性反向传播算法trainrp和梯度下降反向传播算法traingd，使用Matlab GUI中的listbox实现；归一化区间可选[‑1，1]和[0，1]，使用Matlab GUI中的radiobutton实现；隐含层个数为大于0的整数，使用Matlab GUI中的edit实现；学习速率为0到1之间的小数，使用Matlab GUI中的edit实现；最小目标误差为接近于0但大于0的小数，使用Matlab GUI中的edit实现；最大训练次数为大于0的整数，使用Matlab GUI中的edit实现；建立BP神经网络光伏发电功率预测模型后，使用函数train()进行模型的训练，在训练过程中可以调节影响训练效果的输入‑隐含层函数、隐含‑输出层函数、训练算法、归一化区间、隐含层个数、学习速率、最小目标误差和最大训练次数，在训练达到预期目标后，训练结束，且作为最终预测模型使用函数sim()来预测未来光伏发电功率；所述训练效果综合评估单元，用来实时反映BP神经网络的综合训练效果，为预测模型的确定提供参考；综合评估的参数有：最大百分误差、最小百分误差、平均百分误差和耗时，使用Matlab GUI中的edit显示；综合评估的图示有：训练拟合图、样本误差图和样本百分误差图，使用Matlab GUI中的axes显示；百分误差具体采用下式(1)：ei＝|Xfi‑Xri|/Xri·100％   (1)其中，i表示第i个样本，Xfi为第i个样本对应的预测值，Xri为第i个样本对应的实际值；最大百分误差、最小百分误差和平均百分误差分别是所有样本所对应的百分误差中的最大值、最小值和平均值；耗时是指从BP神经网络光伏发电功率预测模型建立之后一次训练开始到本次训练结束所用的时间；训练拟合图显示训练期间样本预测值拟合曲线和所对应的实际值拟合曲线之间的对比；样本误差图显示训练期间样本预测值和所对应的实际值之间的差值，具体为预测值减去实际值；样本百分误差图显示训练期间样本预测值和所对应的实际值之间的百分误差。