基于改进回声状态网的光伏发电功率预测模型研究

作     者：孙际涵 

作者单位：东北电力大学 

学位级别：硕士

导师姓名：姚显双;崔立业

授予年度：2024年

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 08[工学] 081104[工学-模式识别与智能系统] 0807[工学-动力工程及工程热物理] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

主      题：回声状态网 光伏发电功率预测模型 自动调整模型结构 张量计算 回声状态特性 储备池参数优化 

摘      要：在当今能源领域,太阳能作为一种清洁、可再生的能源形式,在全球范围内得到了广泛的关注和应用。光伏发电具有便捷性和环保性,但其发电效率受到天气、季节、光照强度等因素的影响。因此,准确预测光伏发电功率对于提高发电系统的效率、优化能源利用至关重要。回声状态网具有训练简单、速度快、预测精度高等优点,因此,回声状态网的这些优点使其成为光伏发电功率预测中备受关注且具有潜力的方法。本文考虑光伏发电功率预测任务中存在的问题,对回声状态网提出了两种不同的改进方案,并基于改进回声状态网构建光伏发电功率预测模型,以提高模型的预测精度。 考虑光伏发电的数据特征受地理位置以及季节、气象因素的影响,而现有的静态且结构固定的预测模型在数据特征变化较大的情况下预测精度会降低。针对上述问题,本文提出了一种能够根据输入数据的变化情况自动调整模型结构的弱意识回声状态网。通过对变化的数据进行分析判断其与模型训练集数据特征的相似情况,使得网络可以无需重新训练并提取相应的信息来构建预测模型,进而减小光伏发电数据特征的变化对预测模型精度的影响;同时给出了网络稳定性条件,对输出可靠性和预测精准性进行了优化。最后通过数值仿真测试其性能,并通过不同地区的光伏数据作为训练集和测试集来模拟数据特征变化的情况,在这种情况下进行光伏发电功率预测验证了模型的有效性。 考虑光伏发电功率预测任务的多样性及现有光伏发电功率预测模型的不足,为了提高预测模型的实用性及泛化性,提出了用于光伏发电功率预测的张量回声状态网。网络结构包含多个储备池,提高了网络处理数据的能力。对网络状态计算方面进行改进,结合张量计算思想,将各储备池的状态通过加权形式合并为整体状态,提高了网络在任务中的灵活性。对网络的训练过程加以改进,减小了未经处理的原始数据中的无效信息对预测精度的影响,并使用白鲨优化算法对储备池参数进行优化。最后通过数值仿真对其性能进行测试,并通过不同时间尺度的光伏发电功率预测任务验证了模型的实用性和泛化性。