基于神經(jīng)網(wǎng)絡(luò)的光伏功率短期預(yù)測(cè)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(dòng)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(diǎn)。光伏發(fā)電功率預(yù)測(cè)技術(shù)作為光伏電站建站必備的技術(shù)條件，關(guān)系到電站并網(wǎng)及電網(wǎng)調(diào)度的準(zhǔn)確性和合理性，若能準(zhǔn)確掌握短期內(nèi)光伏電站的輸出功率，可大大降低電站并網(wǎng)風(fēng)險(xiǎn)，提高電網(wǎng)運(yùn)行的安全性和穩(wěn)定性。
　　本文在對(duì)氣象因素如何影響光伏發(fā)電功率輸出以及功率預(yù)測(cè)技術(shù)基礎(chǔ)進(jìn)行了簡要介紹之后，將光伏發(fā)電功率短期預(yù)測(cè)問題分為超短期和短期兩部分

2、。針對(duì)超短期輸出功率的預(yù)測(cè)，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(jì)算灰色關(guān)聯(lián)度尋找到預(yù)測(cè)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(luò)（WNN，Wavelet Neural Network）構(gòu)建一種光伏發(fā)電功率的超短期預(yù)測(cè)模型，通過使用某光伏發(fā)電系統(tǒng)的歷史數(shù)據(jù)進(jìn)行建模，對(duì)所選兩類不同天氣類型的預(yù)測(cè)日的出力情況進(jìn)行逐時(shí)刻預(yù)測(cè)，預(yù)測(cè)結(jié)果顯示模型預(yù)測(cè)效果較好，尤其對(duì)于理想晴天條件下預(yù)

3、測(cè)的更加精確。針對(duì)短期輸出功率的預(yù)測(cè)，提出一種基于思維進(jìn)化算法（MEA，Mind Evolutionary Algorithm）優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的光伏功率短期預(yù)測(cè)模型，通過我國青海省錫鐵山裝機(jī)量100MW的光伏電站為期一年的歷史運(yùn)行數(shù)據(jù)進(jìn)行建模，按照季節(jié)劃分為四個(gè)預(yù)測(cè)單元分別對(duì)預(yù)測(cè)模型進(jìn)行訓(xùn)練和電站出力預(yù)測(cè)，通過與電站的實(shí)際出力情況和電站所配備的預(yù)測(cè)系統(tǒng)短期預(yù)測(cè)值的比較分析，由BP算法和MEA-BP算法所構(gòu)建的模型均達(dá)到了一定的預(yù)測(cè)精度

4、，其中MEA-BP模型有效的降低了BP網(wǎng)絡(luò)模型的預(yù)測(cè)誤差。最后將相似日與神經(jīng)網(wǎng)絡(luò)結(jié)合，建立一個(gè)基于相似日和神經(jīng)網(wǎng)絡(luò)的光伏功率短期預(yù)測(cè)模型：通過設(shè)置兩組對(duì)照實(shí)驗(yàn)：一組使用相似歷史日的數(shù)據(jù)來訓(xùn)練網(wǎng)絡(luò)并進(jìn)行預(yù)測(cè)（實(shí)驗(yàn)組），一組使用相鄰歷史日數(shù)據(jù)來訓(xùn)練網(wǎng)絡(luò)并進(jìn)行預(yù)測(cè)（對(duì)照組），對(duì)比實(shí)驗(yàn)的結(jié)果顯示實(shí)驗(yàn)組的預(yù)測(cè)效果更為準(zhǔn)確。
　　經(jīng)過反復(fù)預(yù)測(cè)實(shí)驗(yàn)，驗(yàn)證了課題所提出的預(yù)測(cè)模型能夠?qū)τ行У念A(yù)測(cè)光伏發(fā)電系統(tǒng)的輸出功率，預(yù)測(cè)結(jié)果也表明基于神經(jīng)網(wǎng)絡(luò)的預(yù)