专利汇可以提供一种基于无迹卡尔曼滤波和神经网络的光伏发电预测方法专利检索,专利查询,专利分析的服务。并且本 发明 公开了一种基于无迹卡尔曼滤波和神经网络的 光伏发电 预测方法,包括:以光照和 温度 为输入 信号 u(k),以有功功率和 无功功率 为输出yk;步骤2:构建BP神经网络,以神经网络的权重系数和 阈值 作为状态变量xk;步骤3:状态变量初始化;步骤4:计算Sigma点;步骤5:改进卡尔曼滤波中时间更新的状态更新和误差方差更新;步骤6:计算状态变量与测量变量的协方差;步骤7:卡尔曼滤波中测量更新的状态更新和误差协方差更新;步骤8:判断更新后的状态方差矩阵是否收敛;本发明具有运算速度快,预测 精度 高,能够自适应不同天气条件下的动态变化,该方法下构建的 预测模型 对于天气条件具有更广泛的适应性。,下面是一种基于无迹卡尔曼滤波和神经网络的光伏发电预测方法专利的具体信息内容。
1.一种基于无迹卡尔曼滤波和神经网络的光伏发电预测方法,其特征在于:该预测方法根据神经元激励函数的非线性特点,利用改进卡尔曼滤波器实现神经网络权值系数的自适应调整,从而自适应模拟复杂的非线性系统,并对其状态进行实时更新。
2.根据权利要求1所述的基于无迹卡尔曼滤波和神经网络的光伏发电预测方法,其特征在于:包括以下步骤:
步骤1:以光照和温度为输入信号u(k),以有功功率和无功功率为输出yk;
步骤2:构建BP神经网络,以神经网络的权重系数和阈值作为状态变量xk;
步骤3:状态变量初始化;
步骤4:计算Sigma点;
步骤5:改进卡尔曼滤波中时间更新的状态更新和误差方差更新;
步骤6:计算状态变量与测量变量的协方差;
步骤7:卡尔曼滤波中测量更新的状态更新和误差协方差更新;
步骤8:判断更新后的状态方差矩阵是否收敛,如果不收敛返回到步骤4,如果收敛,输出状态变量估计值,并计算系统输出。
3.根据权利要求2所述的基于无迹卡尔曼滤波和神经网络的光伏发电预测方法,其特征在于:在步骤3中状态变量初始化按公式(1)进行
x0是状态量初始值, 是x0的期望值,P0是状态量的协方差,E(.)表示期望运算,(.)T是转置运算。
4.根据权利要求3所述的基于无迹卡尔曼滤波和神经网络的光伏发电预测方法,其特征在于:一个n维随机变量xk的均值和方差矩阵分别为 和Pk,利用其一二阶矩,并根据公式(2)构造2n+1个Sigma点χk-1:
公式(2)中λ是常数, 是矩阵(n+λ)Pk-1的方根矩阵的第i行;
Sigma点χk-1的均值和方差按式(3)计算
公式(3)中 是均值权值, 是方差权值,α、β用于调节Sigma点和均值的距离,κ包含了Sigma点分布信息的加权系数。
改进卡尔曼滤波器的时间更新按公式(4)计算:
式(4)中f(.)是一次线性函数,h(.)是改进的神经网络函数,χk-1是k-1时刻的Sigma点,是k时刻Sigma点预测, 是先验状态预测, 是第i维k时刻Sigma点的预测,Pk|k-1是先验协方差预测, 是先验观测变量预测,χk|k-1是计算状态变量的中间量,γk|k-1是计算观测变量的中间量,γi,k|k-1是第i个γk|k-1变量。
5.根据权利要求4所述的基于无迹卡尔曼滤波和神经网络的光伏发电预测方法,其特征在于:当获得新的输出yk后,对状态变量均值和测量变量协方差按公式(5)进行更新
公式(5)中 测量变量的方差, 是状态变量与测量变量的协方差,Kk是UKF的增益矩阵, 是更新状态估计值,χi,k|k-1是第i个Sigma点, 是 的逆阵, 是Kk的转置矩阵,Pk是更新状态方差矩阵。
标题 | 发布/更新时间 | 阅读量 |
---|---|---|
基于有监督的无标记异常识别方法、装置及存储介质 | 2020-08-14 | 1 |
一种语音评价方法及装置 | 2020-12-10 | 0 |
一种预测疾病与LncRNA关联关系的方法及系统 | 2021-02-18 | 0 |
心脑血管疾病风险预测方法及系统 | 2022-04-22 | 1 |
土壤氮素和含水率测量装置及方法 | 2023-06-10 | 1 |
一种机械结构异类多目标性能的稳健性度量与均衡优化设计方法 | 2021-06-27 | 0 |
一种煤气化炉中熔渣流动性的检测方法 | 2022-03-03 | 1 |
一种高炉炼铁过程一氧化碳利用率的建模方法 | 2022-07-07 | 0 |
操作多离合变速器的方法 | 2023-08-22 | 1 |
基于检测到的触发事件的应用程序建议 | 2021-10-31 | 0 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。