基于BP神经网络太阳能收集功率预测研究.docVIP

基于BP神经网络太阳能收集功率预测研究 　　摘 要：在太阳能收集应用系统中，能量收集预测模块是进行合理的任务调度分配和系统平稳运行的重要保证。提出了基于BP神经网络的太阳能收集功率预测方法，优化了算法的参数选择，确定了算法预测性能指标。在真实太阳能收集功率数据集上对提出的算法进行了性能分析，验证了算法参数选择的正确性；与现有其它数据预测算法进行了一系列预测对比实验。实验结果表明，该预测算法具有良好的性能，在各算法预测性能指标上均具有一定优势。 　　关键词：太阳能；能量收集；BP神经网络；数据预测 　　DOIDOI：10.11907/rjdk.172153 　　中图分类号：TP319 　　文献标识码：A 文章编号文章编号：1672-7800（2017）008-0138-05 　　0 引言 　　太阳能是一种清洁能源，太阳能的利用主要是通过光电和光热等转换技术，将太阳能转换成可集中利用和储存的能源。太阳能是一种可再生能源，它资源丰富，对环境污染较小，特别是在当前能源储备受限，能源竞争压力大、环境污染形势严峻的背景下，研究太阳能的采集和应用具有重要意义[1]。随着太阳能光伏发电相关技术的快速发展，当前太阳能收集技术已经取得了长足进展，太阳能的利用也日趋成熟。这些采集到的能量大到可以提供电网系统电力供应，小到可以提供无线传感器和微机电系统等的能量供给[2-3]。以太阳能收集技术在无线传感器网络中的应用为例，传感器节点配备太阳能收集器，如光伏太阳能板，进行太阳能的收集，然后将收集的太阳能转化为电池存储在传感器节点能量缓冲器中，如可充电锂电池，然后在传感器节点的能量管理模块控制下，进行节点工作的能量供应[4]。 　　从无线传感器网络方面而言，无线传感器网络是由部署在监测区域内的大量传感器以自组织和多跳等方式构成的，以协作方式感知、采集、处理和传输网络覆盖区域内监测对象信息的无线网络[5]，通过无线传感器网络与因特网的高效融合，可以实现人与物、物与物的互联，从而形成“物联网”[6]。无线传感器网络所感知的数据是物联网海量信息的重要来源[7]。无线传感器网络将在军事国防、工农业控制、城市管理、生物医疗等领域有广阔的应用前景，并且取得了一定的应用成果。然而无线传感器网络在实际应用中同样面临许多挑战，仍旧难以达到普遍应用，其根本原因之一就是传感器节点的有限能量供应问题。当前很多应用场所出于地形复杂或环境恶劣等因素，传感器节点是通过有限电池进行供电，采用更换电池的方法实现能量补给较难，这严重制约了传感器节点的生命时间，降低了整个生命周期。为了降低整个网络的能耗、延长无线传感器网络寿命，相关节能措施被探讨研究，例如研究各种能量有效的通信路由协议，设计周期性工作/休眠的低占空比及工作调度方式等，但是这些措施仅仅从能耗的角度达到节能效果，因此不能从根本上解决受限的电池能量问题[8]。环境能量收集技术，特别是太阳能收集技术，才是解决传感器网络节点能耗问题的根本有效技术，因而得到了研究者们的关注，是当前的一个研究热点[9-10]。 　　在太阳能收集利用系统中，能量预测模块至关重要。在传感器网络中，节点需要根据预测到的太阳能进行节点的功率控制，若预测接下来收到的能量较少，就要降低节点功耗，进行休眠调度等，反之，则可以增大节点工作功率，完成更好质量的节点监测。传感器节点功率管理是基于将要收集到的太阳能的预测之上，整个系统运行的稳定性很大部分上就是依赖于该能量预测模块[11-12]。如果将来预测的能量大于收获能量，则传感器节点的电源将不足以支持预期的功能，导致节点能量过早耗尽，造成网络意外中断。如果预测值小于收获值，则当达到储能限度时，会浪费超出能量。 　　本文主要研究太阳能收集功率的预测问题。太阳能具有规律性和不规则性的混合特征：一方面，随着太阳每天的升起和落下，太阳辐射每天都以脉冲的形式发生；另一方面，随着天气和时间的变化，接收到的太阳能在地球上的一天和跨天有显著变化。?F有的太阳能预测方法中，比较典型的有EWMA[13]和WCMA[14]，主要是通过对历史采集数据分析，预测未来短期的采集量。在天气平稳的地区，已经可以将预测误差控制在很小的范围内，特别是WCMA能够适应天气的简单变化，但天气发生大的变化时，上述算法则很难保证预测的准确性。本文提出采用BP神经网络方法进行太阳能收集功率的预测。通过采用公用真实太阳能收集功率数据集[15]，对BP神经网络方法进行参数修正，用于新数据的预测，提高预测效率。 　　1 BP神经网络方法概述 　　神经网络方法是从神经心理学和认知科学研究成果出发，应用数学方法发展起来的一种具有高度并行计算能力、自学能力和容错能力的处理方法。神经网络的结构由一个输入层、若干个中间隐含层和一个输出层组成。神经网络分析法通