基于神經(jīng)網(wǎng)絡的光伏功率短期預測方法的研究.pdf

1、太陽能發(fā)電受到日照，季節(jié)變化及天氣波動等氣候條件的影響，使得發(fā)電系統(tǒng)的輸出功率具有間斷性、周期性和不確定性的特點。光伏發(fā)電功率預測技術作為光伏電站建站必備的技術條件，關系到電站并網(wǎng)及電網(wǎng)調度的準確性和合理性，若能準確掌握短期內光伏電站的輸出功率，可大大降低電站并網(wǎng)風險，提高電網(wǎng)運行的安全性和穩(wěn)定性。
　　本文在對氣象因素如何影響光伏發(fā)電功率輸出以及功率預測技術基礎進行了簡要介紹之后，將光伏發(fā)電功率短期預測問題分為超短期和短期兩部分

2、。針對超短期輸出功率的預測，提出一種基于氣象因素的相似日選取方法：利用光伏發(fā)電系統(tǒng)的歷史氣象信息建立氣象特征向量，通過計算灰色關聯(lián)度尋找到預測日的相似歷史日。然后使用相似日歷史數(shù)據(jù)和小波神經(jīng)網(wǎng)絡（WNN，Wavelet Neural Network）構建一種光伏發(fā)電功率的超短期預測模型，通過使用某光伏發(fā)電系統(tǒng)的歷史數(shù)據(jù)進行建模，對所選兩類不同天氣類型的預測日的出力情況進行逐時刻預測，預測結果顯示模型預測效果較好，尤其對于理想晴天條件下預

3、測的更加精確。針對短期輸出功率的預測，提出一種基于思維進化算法（MEA，Mind Evolutionary Algorithm）優(yōu)化BP神經(jīng)網(wǎng)絡的光伏功率短期預測模型，通過我國青海省錫鐵山裝機量100MW的光伏電站為期一年的歷史運行數(shù)據(jù)進行建模，按照季節(jié)劃分為四個預測單元分別對預測模型進行訓練和電站出力預測，通過與電站的實際出力情況和電站所配備的預測系統(tǒng)短期預測值的比較分析，由BP算法和MEA-BP算法所構建的模型均達到了一定的預測精度

4、，其中MEA-BP模型有效的降低了BP網(wǎng)絡模型的預測誤差。最后將相似日與神經(jīng)網(wǎng)絡結合，建立一個基于相似日和神經(jīng)網(wǎng)絡的光伏功率短期預測模型：通過設置兩組對照實驗：一組使用相似歷史日的數(shù)據(jù)來訓練網(wǎng)絡并進行預測（實驗組），一組使用相鄰歷史日數(shù)據(jù)來訓練網(wǎng)絡并進行預測（對照組），對比實驗的結果顯示實驗組的預測效果更為準確。
　　經(jīng)過反復預測實驗，驗證了課題所提出的預測模型能夠對有效的預測光伏發(fā)電系統(tǒng)的輸出功率，預測結果也表明基于神經(jīng)網(wǎng)絡的預