申请/专利权人：国家电投集团江西电力工程有限公司

申请日：2023-10-09

公开（公告）日：2024-04-05

公开（公告）号：CN117039894B

主分类号：H02J3/00

分类号：H02J3/00;H02J3/38;G06N3/084;G06N3/006;G06Q50/06

优先权：

专利状态码：有效-授权

法律状态：2024.04.05#授权;2023.11.28#实质审查的生效;2023.11.10#公开

摘要：本发明公开了一种基于改进蜣螂优化算法的光伏功率短期预测方法及系统，方法包括：构建BP神经网络，并确定BP神经网络的输入层、隐藏层、输出层的节点数；将BP神经网络的原始阈值和原始权重作为改进蜣螂优化算法的初始种群位置进行寻优，得到BP神经网络的最优阈值和最优权重；对包含最优阈值和最优权重的BP神经网络进行训练，得到光伏功率短期预测模型；获取光伏发电设备的实时多维运行状态参量，并将实时多维运行状态参量输入至光伏功率短期预测模型中，光伏功率短期预测模型输出光伏功率短期预测结果。经过改进蜣螂优化算法优化阈值和权重以后的BP神经网络的光伏短期功率预测会更加准确，能够满足光伏短期功率的需要。

主权项：1.一种基于改进蜣螂优化算法的光伏功率短期预测方法，其特征在于，包括：步骤1、构建BP神经网络，并确定所述BP神经网络的输入层、隐藏层、输出层的节点数；步骤2、将所述BP神经网络的原始阈值和原始权重作为改进蜣螂优化算法的初始种群位置进行寻优，得到所述BP神经网络的最优阈值和最优权重，其中，所述将所述BP神经网络的原始阈值和原始权重作为改进蜣螂优化算法的初始种群位置进行寻优，得到所述BP神经网络的最优阈值和最优权重包括：步骤2.1：将所述BP神经网络的原始阈值和原始权重作为蜣螂种群的初始位置；步骤2.2：设计蜣螂的滚球、跳舞、觅食、繁殖和偷窃行为作为更新规则，以对所述初始位置进行寻优，其中，每个蜣螂种群由四种不同的代理蜣螂组成，即滚球蜣螂、繁育蜣螂、小蜣螂和偷窃蜣螂，具体为：步骤2.2.1：滚球蜣螂；为了模拟滚球行为，滚球蜣螂需要在整个搜索空间中沿给定方向移动，在滚动过程中，滚动球的滚球蜣螂的位置会更新，其中，滚球蜣螂的滚动数学模型的表达式为： ， ， ，式中，为当前迭代次数，为第只滚球蜣螂在次迭代时的位置信息，为取值范围在之间的第一随机数，为自然系数，赋值为-1或1，为属于的常量，为全局最差位置，为模拟光强的变化，为第只滚球蜣螂在次迭代时的位置信息，为第只滚球蜣螂在次迭代时的位置信息，为偏转系数；当蜣螂遇到障碍物而无法前进时，使用切线函数来模拟滚球蜣螂的舞蹈行为，获得新的滚动方向，当滚球蜣螂成功地确定了一个新的方向，滚球蜣螂就会继续向前滚动球，其中，滚球蜣螂跳舞行为的位置被定义为： ，式中，为取值范围在之间的第二随机数，当为0、0.5或1时，将不会更新滚球蜣螂的位置；步骤2.2.2：繁育蜣螂；提出边界选择策略来模拟繁育蜣螂产卵的区域，其中，边界选择策略的表达式为： ，式中，为当前局部最佳位置，和分别为产卵区的下界和上界，，为最大迭代次数，和分别为优化问题的下界和上限；一旦确定了产卵区，繁育蜣螂就会选择这个产卵区的繁育球产卵，每只繁育蜣螂在每次迭代中只产一个卵，由于产卵区的边界范围是动态变化的，因此繁育球的位置在迭代过程中也是动态的，迭代过程表示为： ，式中，为第次迭代时第个繁育球的位置信息，和分别为两个大小为的独立随机向量，为优化问题的维数；步骤2.2.3：小蜣螂；建立最佳觅食区来引导小蜣螂觅食，并模拟小蜣螂在自然界中的觅食过程，其中，小蜣螂的最佳觅食区域的边界定义为： ，式中，为全局最佳位置，和分别为最佳觅食区域的下限和上限，为取值范围在之间的随机数；小蜣螂的位置更新的表达式： ，式中，为第只小蜣螂在第次迭代的位置信息，为第只小蜣螂在第次迭代的位置信息，为服从正态分布的随机数，为属于的随机向量；步骤2.2.4：偷窃蜣螂；当是最佳的食物来源时，假设附近是争夺食物的最佳地点，在迭代过程中，偷窃蜣螂的位置信息被更新，其中，偷窃蜣螂的位置信息被更新的表达式为： ，式中，为第只偷窃蜣螂在第次迭代的位置信息，是服从正态分布的大小为的随机向量，为常量；步骤2.3：选取小蜣螂的平均位置，利用平均位置和全局最佳位置对搜索过程进行综合考虑全局信息，其中，更新后的第只小蜣螂在第次迭代的位置信息的表达式为： ， ，式中，为小蜣螂的总数，为所有小蜣螂的平均位置，为步长；步骤2.4：偷窃蜣螂在所有蜣螂中的占比最高，基于保留精英策略，对偷窃蜣螂的最差位置进行修正，让偷窃蜣螂向当前的最优位置产生随机移动，其中，处在最差位置的第只偷窃蜣螂在第次迭代的位置信息的表达式为： ，式中，为处在最差位置的第只偷窃蜣螂在第次迭代的位置信息，为处在最差位置的第只偷窃蜣螂在第次迭代的位置信息；步骤3、对包含所述最优阈值和所述最优权重的所述BP神经网络进行训练，得到光伏功率短期预测模型；步骤4、获取光伏发电设备的实时多维运行状态参量，并将所述实时多维运行状态参量输入至所述光伏功率短期预测模型中，所述光伏功率短期预测模型输出光伏功率短期预测结果。

全文数据：

权利要求：

百度查询： 国家电投集团江西电力工程有限公司 基于改进蜣螂优化算法的光伏功率短期预测方法及系统

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD