（控制理论与控制工程专业论文）基于粗糙集理论的光伏并网发电量预测研究.pdf

北京建筑工程学院硕士学位论文原创性声明 本人郑重声明：所呈交的学位论文，是本人在导师的指导下，独立进行研究工作所取得的成果。 除文中已经注明引用的内容外，本论文不含任何其他个人或集体已经发表或撰写过的作品成果。对 本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法 律结果由本人承担。 一 学位论文作者签字：歉如亳 日期： 1 1 年弓月罗日 - 一。 北京建筑工程学院硕士学位论文使用授权书 本人同意将所著硕士学位论文基于粗糙集理论的光伏并网发电量预测研究： 著作权中的数字化制品复制权、信息网络传播权和汇编权授权北京建筑工程学院研究生处行使上 述授权的范围包括：北京建筑工程学院自己使用或委托他人使用。 本人保证为该论文作者，依法享有著作权，并愿承担因著作权问题引起的责任。 北京建筑工程学院须依照我国著作权法的有关规定，充分尊重本人享有的著作权权利( 包括获 酬权) 。 一一一一一 本授权有效期5 年。 论文作者( 签章) ：聂如素列车3 月9 日 作者联系方式：1 3 4 8 8 7 5 3 6 9 8 地址：北京建筑工程学院3 # 6 2 8 室 邮编：1 0 0 0 4 4 电话：1 3 4 8 8 7 5 3 6 9 8传真： 手机：1 3 4 8 8 7 5 3 6 9 8 电子信箱：貔y 3 0 l x h s 1 6 3 o o m 摘要 摘要 f | 1 1 17 p1 11 111 1i l ll fiiii y 18 9 6 9 5 5 光伏发电受气候条件及自身因素的影响较大，发电量不稳定，将影响电网负荷频率 控制、系统稳定性和可靠性以及电能质量。短期光伏发电量的预测研究将有利于电网的 电能优化调度，为配电负荷的管理提供有力保障。 本文以北京建筑工程学院5 6 l ( w 光伏并网发电系统为基础，分析了光伏并网发电 的特点以及各种规律性，阐明光伏发电量预测的必要性。在综合考虑环境因素对光伏发 电量影响的基础上，建立基于粗糙集理论的光伏并网发电量预测模型。利用基于p a w l a k 属性重要度的决策表的属性约简算法删除冗余属性，而改进的贪心算法实现了光伏发电 系统连续属性离散化。 为了获得光伏并网发电系统运行数据，完成基于s t c 8 9 c 5 2 单片机和a d c 0 8 0 9 的 光伏发电系统数据检测电路的设计、调试工作，实现了8 路模拟信号的分时a d 转换， 将采集到的数据以2 s 的间隔在1 6 0 2 液晶显示屏上滚动显示，并实现了与上位机的实时 通信。 用c 语言完成基于粗糙集理论的光伏并网发电量预测模型的程序仿真，将一年当 中周、月、季、年发电量的预测计算结果与实际系统运行监测结果分析对比，证明基于 粗糙集理论的光伏发电量预测模型的正确性和准确性。计算结果表明，采用粗糙集理论 进行光伏并网发电量预测的结果精度较高，具有很好的实用性： 关键词：光伏发电量预测，粗糙集理论，p a w l a k 属性约简，贪心算法，检测电路 a b s t r a c t a b s t r a c t a f f e c t e db yd i m a f i ec o n d i t i o n sa n di t so w nf a c t o r s ，p h o t o v o l t a i ep o w e rg e n e r a t i o ni s i n s t a b i l i t y t h i si n s t a b i l i t yw i l la f f e c tt h ec o n t r o l l i n go ft h e 鲥dl o a df r e q u e n c y , g r i ds t a b i l i t y , s y s t e mr e l i a b i l i t ya n dp o w e rq u a l i t y s ot h es h o r t - t e r mf o r e c a s t i n gr e s e a r c ho fp h o t o v o l t a i o p o w e rg e n e r a t i o nw i l lh e l pt os t a b i l i z ep o w e rs y s t e mo p e r a t i o n ，t oo p t i m i z eg r i dd i s p a t c h i n g a n dt op r o v i d ee f f e c t i v ep r o t e c t i o nf o rt h ed i s t r i b u t i o nl o a dm a n a g e m e n t i nt h i sp a p e r , t h eg r i d - c o n n e c t e dp vs y s t e mc h a r a c t e r i s t i c sa n do p e r a t i o nl a w sh a sb e e n a n a l y z e d , w h i c hi sb a s e do nt h e5 6 k wg r i d - c o n n e c t e dp vs y s t e mi nb e i j i n gi n s t i t u t eo f a r c h i t e c t u r a l e n g i n e e r i n g , a n dt h ef o r e c a s t i n gn e c e s s i t y h a sb e e ni l l u s t r a t e di ni t c o m i d e r a t i n gt h ee n v i r o n m e n t a lf a c t o r s ，t h ef o r e c a s t i n gm o d e lo fg r i d - c o n n e c t e dp vs y s t e m b a s e do nr o u g hs e tt h e o r yw a se s t a b l i s h e d t h er e d u n d a n ta t t r i b u t ew a sr e m o v e df r o mt h e d e c i s i o nt a b l ew i mt h ea t t r i b u t er e d u c t i o na l g o r i t h mo fp a w l a ka t t r i b u t ei m p o r t a n c e t h e c o n t i n u o u sa t t r i b u t e so fp vs y s t e m si sd i s c r e t eb yt h ei m p r o v e dg r e e d ya l g o r i t h m i no r d e rt oo b t a i nt h e 鲥d c o n n e c t e dp vs y s t e mp e r f o r m a n c ed a t a , t h ep vd a t ad e t e c t i o n c i r c u i tw a sd e s i g n e da n dd e b u g g i n g , w h i c hb a s e do t is c ms t c 8 9 c 5 2a n da dc o n v e r s i o n a d c 0 8 0 9 t h i ss y s t e mc a nf i n i s h8 - c h a n n e la n a l o gs i g n a lc o n v e r s i o nt od i g i t a l s i g n a l ， d i s p l a yt h ec o l l e c t e dd a t a0 1 1t h e16 0 2l c ds c r e e ni n2 si n t e r v a l sa n di m p l e m e n tr e a l t i m e c o m m u n i c a t i o nw i t ht h eh o s tc o m p u t e t h ef o r e c a s t i n gm o d e ls i m u l a t i o np r o g r a mo fp vp o w e rg e n e r a t i o nh a sb e e nc o m # e t e d w i t ht h ecl a n g u a g e c o m p a r e dt h ef o r e c a s t i n gr e s u l tw i t ha c t u r eo p e r a t i o nr e s u l t so ft h e w e e k , m o n t h , q u a r t e ra n da n n u a lg o n e r a t i o n , i ts h o w st h a t f o r m e ri sm o r ec o r r e c ta n d 戤吼l 娜s ot h er e s e a r c hp r o v e dt h a tt h ef o r e c a s t i n gm o d e lo f r o u g h s e ti sp r a c t i c a l k e y w o r d ：p h o t o v o l t a i cp o w e rg e n e r a t i o nf o r e c a s t i n g , r o u g hs e tt h e o r y , p a w l a ka t t r i b u t e r e d u c t i o n , g r e e d ya l g o r i t h m , d e t e c t i o nc i r c u i t h 目录 目录 北京建筑工程学院硕士学位论文原创性声明 北京建筑工程学院硕士学位论文使用授权书 摘要l 第l 章绪论。1 1 1j ；l 言1 1 2 课题研究背景l 1 2 1 太阳能光伏发电技术l 1 2 2 光伏发电面临的问题l 1 2 3 光伏发电对系统稳定性影响。2 1 3 国内外研究现状。2 1 3 1 短期负荷预测研究现状2 1 3 2 粗糙集理论应用现状。“5 1 4 粗糙集理论。7 1 4 1 粗糙集理论7 1 4 2 粗糙集理论的特点7 1 4 3 粗糙集理论所处理的问题7 1 5 课题研究的意义7 1 6 本课题的主要工作8 1 6 1 太阳能数据采集系统设计8 1 6 2 连续数据的离散化8 1 6 3 建立基于粗糙集理论的光伏发电量预测模型9 第2 章太阳能光伏发电系统分析。l o 2 1 光伏发电系统构成。1 0 2 2 光伏并网发电系统分类1 0 2 3 发电输出特性1 l 2 3 1 光伏电池的特性曲线。1 l 2 3 2 太阳能电池的i v 曲线随温度变化的规律。1 1 2 3 3 太阳能电池的i v 曲线随太阳辐射强度变化的规律1 2 2 4 最大功率点跟踪。1 3 2 4 1 最大功率点1 3 2 4 2 光伏电池输出量与温度的关系曲线1 3 2 4 3 最大功率点跟踪1 4 2 5 孤岛现象1 4 m 北京建筑工程学院硕士学位论文 2 5 1 孤岛现象1 4 2 5 2 被动防孤岛效应保护方式。1 4 2 5 3 主动防孤岛效应保护方式1 4 2 6 光伏并网系统对电能质量的影响1 5 2 6 1 电能质量的国家标准1 5 2 6 2 对电能质量的影响1 6 2 7 光伏并网系统对电网运行的影响1 7 2 7 1 对电网运行安全性的影响。1 7 2 7 2 对电网运行经济性的影响17 2 7 3 对电网调度运行的影响。1 8 2 8 光伏并网系统对配电负荷的影响。1 8 2 8 1 继电保护l8 2 8 2 供电可靠性18 2 8 3 实时监视、控制和调节1 9 2 8 4 电能计量1 9 2 9 光伏并网系统的发电量预测可行性分析1 9 2 9 1 发电量预测的条件。1 9 2 9 2 发电量预测的必要性2 0 2 9 3 太阳能辐射量变化规律。2 l 2 9 4 光伏发电量与用电负荷的日周期性2 2 2 9 5 光伏发电量与用电负荷的周周期性2 3 2 9 6 光伏发电量与用电负荷的月周期性2 3 2 9 7 光伏发电量与用电负荷的年周期性。2 4 2 1 0 城市气候对光伏并网发电量预测的影响。2 6 第3 章基于粗糙集理论的光伏并网发电量预测模型2 7 3 1 知识与知识表达。2 7 3 1 1 知识2 7 3 1 2 知识库。2 7 3 1 3 不可分辨关系( 不分明确关系) 2 8 3 1 4 光伏并网发电系统的知识与知识表达2 8 3 2 粗糙集定义及其性质3 0 3 2 1 集合的下近似和上近似3 0 3 2 2 尺粗糙集和精确集3l 3 2 3 光伏并网发电系统的粗糙集定义3 1 3 3 粗糙集的特征3 2 3 3 1 集合的近似精度和粗糙度3 2 3 3 2 知识的依赖度3 2 3 3 3 光伏并网发电系统的粗糙集特征3 3 3 4 知识约简。3 4 3 4 1 知识的约简3 4 3 4 2 知识的核3 4 3 4 3 知识约简步骤。3 4 i v 目录 3 4 4 光伏并网发电系统的知识约简3 5 3 5 决策表的知识约简3 7 3 5 1 决策表d t 3 7 3 5 2 决策函数3 7 3 5 3 决策规则。3 7 3 5 4 光伏并网发电系统的决策表3 8 3 6 知识约简算法比较3 9 3 7 基于p a w l a k 属性重要度的决策表的属性约简算法4 0 3 7 1 决策表中属性的重要度。4 0 3 7 2 构造思想。4 0 3 7 3 决策表属性约简算法4 1 3 8 粗糙集预测模型4 2 3 8 1 粗糙集预测模型的优点4 2 3 8 2 光伏并网发电系统决策表建立4 2 3 8 3 基于p a w l a k 属性重要度的属性约简4 4 3 8 4 建立预测模型4 6 第4 章粗糙集连续属性的离散化4 7 4 1 数据的离散化问题。4 7 4 2 数据离散化的方法。4 7 4 2 1 全局离散化和局部离散化：4 7 4 2 2 有监督离散化和无监督离散化。4 7 4 2 3 静态离散化和动态离散化4 9 4 3 粗糙集理论的数据离散化。一4 9 4 3 1i i 歪间4 9 4 3 2 断点4 9 4 3 3 离散化4 9 4 4 贪心算法5 0 4 4 1 贪心算法5 0 4 4 2 贪心选择5 l 4 4 3 数学描述51 4 4 4 离散化步骤5 l 4 5 改进的贪心算法5 2 4 5 1 改进的贪心算法5 2 4 5 2 改进的贪心算法的特点5 2 4 5 3 改进的贪心算法的计算步骤5 3 4 6 基于贪心算法的光伏并网发电系统监测数据的离散化。5 3 4 6 1 数据预处理。5 4 4 6 2 初始断点集合选取5 5 4 6 3 改进贪心算法寻找断点5 6 4 6 4 初始信息表属性离散化5 6 第5 章基于s t c 8 9 c 5 2 单片机太阳能数据采集及显示系统6 0 v 北京建筑工程学院硕十学位论文 5 1 太阳能光伏并网发电数据采集系统构成6 0 5 1 1 数据采集的物理量6 0 5 1 2 数据采集系统结构6 0 5 2a d 转换系统的实现6 1 5 2 1a d c 0 8 0 9a ，d 转换芯片6 l 5 2 2 管脚说明6 l 5 2 3s t c 8 9 c 5 2 控制单片机6 2 5 2 4a d c 0 8 0 9 6 2 5 3 液晶显示单元硬件实现6 3 5 3 11 6 0 2 液晶显示屏6 3 5 3 216 0 2 液晶显示基本操作6 4 5 3 3 1 6 0 2 液晶的写操作时序“ 5 4 串口通信单元硬件实现6 5 5 5 硬件电路调试6 6 5 6 上位机界面的设计。6 6 5 7 系统程序流程图6 7 5 7 1 系统程序流程图。6 7 5 7 2 定时器中断程序6 8 第6 章基于粗糙集理论的光伏并网发电量预测结果分析7 0 6 15 6 k w 光伏并网系统构成。7 0 6 1 1 光伏发电系统7 0 6 1 2 数据检测电路。7 0 6 2 光伏并网发电监测数据库。7 0 6 2 1 监测的物理量。7 0 6 2 2 数据库。7 1 6 3 基于粗糙集理论的光伏发电量预测过程7 l 6 4 预测模型的计算程序。7 2 6 5 光伏发电量预测结果。7 4 6 5 1 原始数据库选择7 4 6 5 2 属性权值计算7 4 6 5 3 预测结果7 6 6 6 误差分析9 3 6 6 1 平均相对误差。9 3 6 6 2 误差分析9 5 第7 章结论和展望9 6 7 1 课题研究结论9 6 7 2 课题研究方向和展望。9 6 参考文献9 8 v i v 第1 章绪论 1 1 引言 第1 章绪论 2 0 世纪7 0 年代后，随着现代工业的发展，全球能源危机和大气污染问题日益突出， 传统的燃料能源正在一天天减少，对环境造成的危害日益突出，同时全球约有2 0 亿人 得不到正常的能源供应。因此，可再生能源越来越引起人们的注意，希望通过可再生能 源实现可持续发展，这之中太阳能以其独有的优势而成为人们重视的焦点【卜3 1 。 新能源产业是中国经济结构调整过程中的重要扶持对象。一直以来，国家不断推出 新能源和可再生能源的政策规划。如1 9 9 5 年的新能源和可再生能源发展纲要，2 0 0 1 年制定的新能源和可再生能源产业发展“十五 规划，2 0 0 3 年的可再生能源中长 期发展规划，以及2 0 0 6 年的“十一五可再生能源发展规划。 目前国家促进新能源产业的政策措施有三类，第一是法律法规，第二是相关的一些 财税措施，第三是产业规划，加上正在制订的“十二五”可再生能源规划，光伏发电装 机目标为5 g w ，风电装机目标为9 0 0 0 万千瓦。我国近几年密集出台了一些促进新能源 发展的政策措施，为新能源发展创造了一个比较好的市场氛围【4 】 1 2 课题研究背景 1 2 1 太阳能光伏发电技术 太阳能光伏发电可以利用光电效应直接把太阳能转化为电能。它相对于传统的发电 模式而言，省去了中间的转换过程， 具有无须消耗资源，不对环境造成破坏，没有噪声污染，发电规模可以根据需要调 整，发电设备安装环境要求不高，运行维护方便简单，甚至可以实现无人运行等优点， 而太阳能资源又非常丰富，光伏电池硅资源储量也非常可观，因此，太阳能发电技术将 具有非常广阔的发展空间，近年来光伏产业取得了举世瞩目的成就，每年的平均增长速 度都超过了3 0 ，到2 0 0 9 年年底，太阳能光伏发电装机容量已经超过了2 0 0 0 万千瓦， 太阳能光伏发电正在成为清洁、有效的新能源发电技术【5 1 。 目前，我国太阳能光伏发电利用主要有三种形式，如表1 1 所示。 1 2 2 光伏发电面临的问题 ( 1 ) 太阳能辐射量的分散性 地球表面太阳能辐射的总量尽管很大，但能流密度低。北回归线夏季天气晴朗情况 下，正午时垂直于太阳光方向，平均太阳辐射量为1 0 0 0 w m 2 ；全年日夜平均，只有2 0 0 w 北京建筑：【程学院硕士学位论文 左右，冬季太阳辐射量大致只有1 2 ，阴天一般只有1 5 左右，因此，能流密度是非常 低的。想要得到一定的转换功率，往往需要面积相当大的一套收集和转换设备，造价较 高。 ( 2 ) 太阳能辐射量的不稳定性 由于受到昼夜、季节、地理纬度和海拔高度等自然条件和地理因素的限制，以及晴、 阴、云、雨等环境因素的影响，地面的太阳辐量具有很强的间断性和不稳定性。因此， 为了将太阳能转化成为连续、稳定的可以为人们所用的能源，就必须解决蓄能问题，而 目前蓄能是太阳能光伏发电技术中尚未完善的技术之一。 ( 3 ) 发电效率低和成本高 目前太阳能利用在理论上是可行的，技术上也是成熟的。但太阳能光伏发电装置效 率较低，成本较高，光伏电能经济性不能与常规能源发电相竞争。因此，经济性是今后 太阳能利用进一步发展的瓶颈。 表1 1 太阳能光伏发电利用型式 t a b l el 一1t y p e so f s o l a rp h o t o v o l t a i cp o w e rs y s t e m 规模型式运行特点应用 在太阳能资源丰富、具有荒漠和闲置土地资源的地 大型光伏电站并网 区 中型分布式光伏发电系统并网在广大城镇，推广与建筑结合的建筑一体化 在电网无法到达的人口密度低及偏远地区，建设小 小型 独立式光伏发电系统离网型光伏电站，满足小范围的人们日常生产、生活用电 需求 1 2 3 光伏发电对系统稳定性影响 随着光伏发电设备容量在电网中比重的增加，会对同步系统产生许多负面的影响， 如由于光伏发电系统发电量的不稳定性可能会影响电网运行的安全性和经济性，光伏发 电带来的能流方向的改变会导致配电末端继电保护以及电能计量的成本增加，另外光伏 发电并网后会对系统的电能质量造成一定的冲击，严重时甚至会导致系统崩溃造成不可 估计的不良后果。详细论述见本论文的2 6 、2 7 、2 8 节。 1 3 国内外研究现状 1 3 1 短期负荷预测研究现状 以往影响电网运行稳定性的源头主要集中在负荷侧的负荷波动，而通过负荷预测的 方法，提前制定合理的发、输和配电方案应经有效地解决了这一问题，而随着光伏发电 2 第1 苹绪论 系统在整个电网中所占得比重越来越大，光伏发电系统作为电源侧对电网稳定性的影响 也成为了日益突出的问题，因此，对于光伏系统这类发电量随机波动的电源侧的负荷预 测自然成为解决这一问题的有效途径，而电源侧与负荷侧的预测方法是可以通用的。 随着现代科学技术的快速发展，负荷预测技术的研究也在不断深化，各种各样的负 荷预测方法不断涌现，从经典方法到现代智能方法有各自的研究特点和使用条件，如表 1 2 所示是各种预测方法的比较。 表l - 2 短期负荷预测方法对比 t a b l e1 - 2c o m p a r i s o no f s h o r t - t e r ml o a df o r e c a s t i n gm e t h o d 方法数学模型应用局限性 输入与输出间的非线性关系，很难找到 理想的数学模型来描述，无法详细地考虑气 象等影响因素 缺乏自学习能力，预测准确度不高。如 中期负 负荷结构变化，输入变量与输出变量之间关 回归预 。世团一。苫型回 荷预测 1 日p 一一 系如不修正，难以得出较准确的预测结果 测【2 】 删雌笔争艄弛 长期负 应选取主要因素而忽略次要因素，但对 荷预测 主要因素较难确定 一些变量因素的量化涉及到计量经济学 的范畴，过于繁琐 对历史数据准确性要求高 历史数据准确性要求高，脏数据对预测 短期负影响很大，要严格处理 时间序 匿田c 耍三 _ 恤 荷预测时间序列法预测步数越长，预测精度越 列法 医亟亘卜哎j 蔓 恒圊 的准确差 1 5 - 1 6 性不高对天气因素不敏感，难解决气象因素造 成的短期负荷预测不准确问题 不同的应用模型中，没有现存的理论依 据来指导人工神经网络模型输入参数的选取 人工神及处理 短期负 经网络缺乏有效的方法来解决人工神经网络在 荷预测 1 7 - 1 9 】 训练过程中可能产生的学习不足或过拟和现 象 对周期性人工神经网络模型输入参数， 北京建筑_ t 程学院硕士学位论文 输入层( x j ) 隐含层( 四) - 没有确定样本量依据 收敛速度慢且易陷入局部极小，训练过 输出层( 田) 程消耗时间 s i = + l s i h 神经网络结构确定，包括输入变量的恰 户j 当选取及隐含层数目的大小等要在实践中进 行摸索 z l = c r ( s i ) l sjsh y - - z z ，+ 吃 j f h j - - ； q 画 模糊学习能力比较弱 模糊逻 卜卜争 国 短期负当映射区域划分不够细时，映射输出比 荷预测较粗糙辑f 1 3 ，1 9 1 网 受主观人为因素的影响较大 傅里叶变换满足容许性条件各个季节小波基函数的选择问题，不同 q = 昨国_ 2 缈膨 啪尺) 短期负荷预测模型中无法考虑突发事件 和其它经济条件因素对负荷的影响，要靠人 工经验对预测结果进行人工干预 g m ( 1 ，j j 模型： 数据离散程度越大，数据灰度越大，预 测精度越差 x m ( 七) = & m ( 1 ) ，x m ( 2 ) ，x ( 七) 具有实际意义、精度较高的预测值，仅 灰色预+ 饿= “短期负仅是最近的一、两个数据，对于后几天的预 测删荷预测测值将会有较大的偏差 二_ 小( b t b ) - l ( 巩) 其微分方程指数解适合于具有指数增长 妒= p o ) 期矿扣盼，刀q 趋势的负荷指标，具有其它趋势的指标则有 时拟合灰度较大，精确度难以提高 4 第1 覃绪论 1 3 2 粗糙集理论应用现状 ( 1 ) 国际会议 粗糙集理论虽然只有2 0 年的发展历史，但取得的研究成果是令人瞩目的。表1 3 是1 9 9 2 年以来国际学术会议的召开统计，充分体现出粗糙集理论应用发展前景的广阔。 表1 - 3 粗糙集理论国际会议【1 0 】 t a b l e1 - 3i n t e r n a t i o n a lc o n f e r e n c ea b o u tr o u g hs e tt h e o r y 时间会议名称 地点 第一届国际研讨会波兰 1 9 9 2 ( r o u g hs e t s ：s t a t eo ft h ea r ta n dp e r s p e c t i v e s ) k i e k r z 第二届国际研讨会 加拿大 1 9 9 3( t h es e c o n di n t e r n a t i o n a lw o r k s h o po nr o u g hs e t sa n dk n o w l e d g e b a n f f d i s c o v e r y ，r s k d 。9 3 ) 第三届国际研讨会 美国 1 9 9 4( t h et h i r di n t e r n a t i o n a lw o r k s h o po nr o u g hs e t sa n ds o f tc o m p u t i n g ， s a n j o s e r s s c 9 4 ) 美国 1 9 9 5 “r o u g hs e tt h e o r y ，r s t 9 5 ”国际会议 n o r t hc a r o l i n a 第四届国际研讨会 日本 1 9 9 6( t h ef o u r t hi n t e r n a t i o n a lw o r k s h o po nr o u g hs e t s ，f u z z ys e t sa n d 东京 m a c h i n ed i s c o v e r y ，r s f d 9 6 ) 第五届国际研讨会 美国 1 9 9 7 3( n ef i f u li n t e r n a t i o n a lw o r k s h o po nr o u g hs e t sa n ds o f tc o m p u t i n g ， n o r t hc a r o l i n a r s s c 9 7 ) 中国粗糙集与软计算学术会议 2 0 0 1 每年 i 岱f 【 g r c 2 0 0 3 、正e eg 疋2 0 0 5 、r s k 砣0 0 6 、k t 2 0 0 8 、rs k t 2 0 0 8 、 中国 e e g r c 2 0 0 8 目前，有3 个有关粗糙集的系列国际会议，即r s c t c 、r s f d g r c 和r s k t 。中国 学者在这方面也取得了很大的成果。 ( 2 ) 应用领域 由于粗糙集理论思想新颖、方法独特，粗糙集理论已成为一种重要的智能信息处理 技术，该理论已经在多个领域得到广泛应用 2 4 2 5 1 ，如表1 _ 4 所示。 表l - 4 粗糙集理论的应用领域 5 北京建筑工程学院硕士学位论文 t a b l e1 - 4 a p p l i c a t i o n so f r o u g hs e tt h e o r y 领域应用 股票分析 2 1 - 2 3 1股票价格与经济指数之间的依赖关系 模式识别【2 融9 l利用提取特征属性的方法进行手写字符识别 地震预报【3 0 】对大量历史数据进行分析，发现地质、气象数据与震级的隐含关系 冲突分析【3 l 】建立了针对某问题各自立场的谈判模型 人工智能和数据库技术交叉学科的研究，导出的知识精练且更便于存储和使 数据发掘【3 2 4 7 】 用 粗糙控制【3 8 - 3 9 利用粗糙集理论观测系统数据本身，得出控制算法，获取控制规则 医疗诊断【4 1 1根据以往的病例数据库，得出诊断规则，对新病人治疗提供参考 专家系统【4 2 】粗糙集抽取规则的特点，为构造专家系统知识库提供支撑 在保留初始数据库隐含信息的前提下，利用粗糙集理论约简冗余数据，减少 神经网络【4 3 ，4 5 1 神经网络训练样本，提高训练速度 粗糙集能够在一些具有不确定性，不完整性的决策对象的基础上，根据以往 决策分析【锸】 历史数据得到决策规则 一 其应用研究可概括为设备故障诊断、配电网故障诊断、暂态稳定评估、数据 电力系统【4 7 删 挖掘和电压无功综合控制 ( 3 ) 粗糙集理论的软件开发与应用 目前，已有多家机构和个人开发出了一些粗糙集里理论的应用软件，如表1 5 所示。 表l - 5 粗糙集理论在软件开发与应用 4 8 1 t a b l e1 - 5d e v e l o p m e n ta n d a p p l i c a t i o no fr o u g hs e tt h e o r ys o f i w a r e 国家单位名称应用 加拿大 r e d u c ts y s t e mh c d a t a l 0 9 i c r 科研、工业 n a s a 空间中心采用l e r s ，为“自由号” 美国肯萨斯大学l 】巳r s 空间站提供医疗服务。 p o z n a nu n i v e r s i t y r o u g hd a s 和 波兰多个实践领域 o f t e c h n o l o g yr o u g hc l a s s 根据不同系统数据库改变粗糙程度提炼隐 加拿大 r e g i n a 大学 k d d r 含信息，建立变精度粗糙集模型 6 在电力市场条件下，准确的电力需电量和电力发电量预测是实行电力市场的基本条 件和首要任务，它所提供的未来的负荷数据，对电能的控制及运行都非常重要。 太阳能光伏发短期电量负荷预测的研究意义如下： ( 1 ) 短期电量负荷预测是电能优化调度( 如电源最优组合、经济调度、最优潮流 计算等) 的基础工具，是电能管理工作的重要组成部分。 ( 2 ) 电能的特殊属性是不能大量储存，短期发电量与负荷需求量预测是制定发电 7 北京建筑t 程学院硕士学位论文 计划及安全、可靠、经济运行的基础。 ( 3 ) 有利于制定合理的电价政策。 ( 4 ) 准确的短期发电量与负荷需求量预测能有效地促进供、运、用电三方的协调。 ( 5 ) 有利于平稳负荷曲线。 影响光伏发电量预测的因素众多，既受发电装置本身的性能影响，还要受到较多非 常因素的影响，如季节更替、天气因素突然变化、设备检修、突发事件、负荷波动等。 这些因素与发电量预测值之间形成了复杂的非线性映射关系，如何通过太阳能光伏发电 系统检测数据库中大量的发电量数据和气象数据，表现不同性质因素之间的复杂非线性 映射关系，如何合理、有效的利用这些数据更好的为发电量预测工作服务是当前面临的 几个重要的问题。 粗糙集理论的基本思想是利用已有知识库中的知识来表达不精确、不确定的知识， 它最大的特点在于无需提供处理对象数据集合之外的任何其他信息，只针对已有历史数 据进行处理，因此，可以比较客观的描述或处理各种不确定性问题【l o l 。 利用粗糙集理论可以为光伏发电量预测建模提供更为合理的依据，使建模过 程尽量减少人为的主观影响，解决建模过程中的难点问题，从而提高预测的准确 性，提高经济效益和社会效益。 1 6 本课题的主要工作 本课题研究的对象是本校供电实验室5 6 k w 光伏混合并网发电系统。系统包 括太阳能电池极板、充电控制器、并网逆变器、蓄电池等。 1 6 1 太阳能数据采集系统设计 ( 1 ) 数据采集量确定：结合粗糙集预测模型，确定需要采集的光伏系统历史 数据。 ( 2 ) 采集电路设计：设计完成以s t c 8 9 c 5 2 单片机为核心的多路数据采集及 显示系统。包括原理图绘制、硬件电路搭建工作，并在k e i lu v i s i o n 2 的开发环境 下完成系统调试工作。 1 6 2 连续数据的离散化 ( 1 ) 采集数据预处理：粗糙集理论最大的特点在于不需要任何其他先验知识， 只针对光伏系统历史数据库进行处理，所得到的结果与数据库的选取有着直接的 关系。将光伏发电数据采集系统得到的实时监测数据进行分类、处理。分类原则 是将光伏发电量历史数据库划分为春、夏、秋、冬四个季节，并选用周、月、季、 年不同大小的数据库分别作为粗糙集预测模型研究基础。 8 9 第2 章太阳能光伏发电系统分析 第2 章太阳能光伏发电系统分析 2 1 光伏发电系统构成 太阳能光伏并网发电系统由光伏电池、充放电控制器、蓄电池、逆变器、数据采集 及监测等部分组成【4 9 】。如图2 1 所示。 图2 - i 光伏发电系统 f i