基于BP神经网络的光伏电站辐照度预测研究
廖东进,刘晓龙
摘要(Abstract)：
由于现有神经网络辐照度预测模型的输入变量多为辐照度的历史数据问题,为了更准确衡量辐照度的变换关系,引入其他与辐照度相关因子作为模型输入变量,提高模型预测性能;其次,根据同期同日类型的辐照度变化关联性,对辐照度预测模型提出了由辐照度预测值和辐照度均值组成的加权修正方法,辐照度预测值权重为N天实际与理论曝辐量比值的均值,辐照度均值权重为日类型修正系数和当天实际与理论曝辐量比值的乘积;最后归一化权重,构建了基于日类型的神经网络辐照度预测模型。采用本地历史数据进行仿真,结果验证了改进输入模型的合理性和输出模型的有效性。
关键词(KeyWords)： 光伏电站;辐照度;功率预测;神经网络
基金项目(Foundation): 衢州市科技计划项目(2014Y019);; 2015年浙江省自然科学基金(Y15B020047)
作者(Author): 廖东进,刘晓龙
参考文献(References)：
- [1]中华人民共和国国家能源局.国家能源局发布2014年光伏产业发展情况[EB/OL].http://www.nea.gov.cn/2015-03/30/c_134108941.htm.2015-03.
- [2]王飞.并网型光伏电站发电功率预测方法与系统[D].北京:华北电力大学电气与电子工程学院,2013.
- [3]曹双华,曹家枞.太阳逐时总辐射混沌优化神经网络预测模型研究[J].太阳能学报,2006,27(2):164-169.
- [4]王晓兰,葛鹏江.基于相似日和径向基函数神经网络的光伏阵列输出功率预测[J].电力自动化设备,2013,33(1):100-103,109.
- [5]焦李成.神经网络系统理论[M].西安:西安电子科技大学出版社,1996.
- [6]王哲.基于ANN和时间周期性的光伏电站辐照度预测研究[D].北京:华北电力大学电气与电子工程学院,2012.
- [7]张岚,张艳霞,郭嫦敏,等.基于神经网络的光伏系统发电功率预测[J].中国电力,2010,49(9):75-78.
- [8]马金玉.中国地面太阳辐射长期变化特征及短期预报方法研究[D].南京:南京信息工程大学,2013.
- [9]张佳伟.光伏并网发电系统短期发电功率预测研究[D].南京:南京信息工程大学,2013.
- [10]米增强,王飞,杨光,等.光伏电站辐照度ANN预测及其两维变尺度修正方法[J].太阳能学报,2013,34(2):251-258.