基于反馈型神经网络的光伏系统发电功率预测.pdf

《基于反馈型神经网络的光伏系统发电功率预测.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第39卷第15期电力系统保护与控制V_0lI39No．152011年8月1日PowerSystemProtectionandContro1Aug．1，2011基于反馈型神经网络的光伏系统发电功率预测张艳霞，赵杰(天津大学电力系统仿真控制教育部重点实验室，天津300072)摘要：分析了光伏系统的发电特性以及影响光伏发电的因素，建立了反馈型神经网络光伏系统发电功率预测模型。该模型采用Elman神经网络结构，利用其强大计算能力、映射能力和稳定性，将光伏发电的历史数据和天气情况一同作为样本，对模型进行训练和发电功率预测。仿真结果表明，该方

2、法建立的预测模型具有较高的精度，为解决光伏系统发电功率预测提供了一种可行路径关键词：光伏系统；反馈型神经网络；发电功率预测；气候环境ApplicationofrecurrentneuralnetworkstogeneratedpowerforecastingforphotovoitaiesystemZHANGYan．xia，ZHAOJie(KeyLaboratoryofPowerSystemSimulationandControlofMinistryofEducation，TianjinUniversity，Tianjin3000

3、72，China)Abstract：Thecharacteristicsforpowergenerationofphotovoltaic(PV)systemandvariousfactorsthatafectthepowergenerationofPVsystemarestudied，andthemodelofgeneratedpowerforecastingofPVsystembasedonrecurrentneuralnetworks(RNN)isbuilt，Inthemodel，Elmanneuralnetworktopol

4、ogyisadopted，whichhaspowerfulcalculationandmappingabilityandstability．ThehistorypowergenerationdataofPVsystemandweatherconditionsaretakenassamplestogethertotrainthemodelandforecastgeneratedpower．Thesimulationresultsshowthatthismodelhashi曲accuracy，anditprovidesanefecti

5、veandfeasiblewaytoforecastgenerationpowerofPVsystem．Keywords：photovoltaicsystem；recurrentneuralnetworks；generatedpowerforecasting；weathercondition中图分类号：TM615文献标识码：A文章编号：1674-3415(2011)15．0096．06前馈型神经网络(FNN)预测模型进行比较，其计0引言算速度更快，准确性更高。大规模光伏并网发电是利用太阳能的一种有效1光伏系统发电功率特性方式，但光

6、伏发电系统受光照强度和环境温度等因素的影响，其输出功率的变化具有不确定性，不利光伏系统的输出功率具有波动性和间歇性。在于电网调度部门安排常规电源和光伏发电的协调配光伏发电功率预测中，需要考虑的因素很多，如太合。因此，需要对光伏系统的输出功率预测进行研阳光照强度、太阳入射角度、光伏阵列的安装角度、究，预先获得其输出功率曲线，从而协调电网调度转换效率、大气压、温度以及其他一些随机因素。部门统筹安排，减少光伏发电随机性对电力系统的对于既定的光伏系统来说，一个明显的特征就是光影响，提高系统安全性和稳定性L卜剞。伏系统发电功率的时间序列本身

7、具有高度自相关光伏发电功率预测方法分为两类：间接法和直性，因为在光伏系统的历史发电功率时间序列中，接法。文献[5】为间接法，即采用光照强度历史数据，所有光伏发电输出功率历史数据来自于同一套发电通过神经网络方法进行光照强度预测，然后通过光系统，数据自身就包含了光伏阵列的系统信息，解照强度和环境温度等参数计算光伏输出功率，文献决了光伏阵列的安装位置、安装角度和光伏阵列的【6．7】为直接法，即采用光伏系统历史发电数据，分使用时间等对转换效率的影响。因此，采用历史发别建立支持向量机和BP神经网络模型对光伏出力电功率数据训练神经网络预测模型

8、，进而预测未来和光伏发电量进行短期预测。本文采用反馈型神经的光伏输出功率的预测方法，比光伏发电的间接预网络(I)建立光伏系统发电功率预测模型，与测法更加准确。张艳霞，等基于反馈型神经网络的光伏系统发电功率预测．97．1．1光照强度对光伏系统发电功率