灰色动态BP神经网络在光伏短期出力预测中的应用.pdf

《灰色动态BP神经网络在光伏短期出力预测中的应用.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、研究与开发灰色动态BP神经网络在光伏短期出力预测中的应用娄宝磊(国网技术学院，济南250002)摘要针对传统BP神经网络在光伏发电短期出力预测中的不足，提出并实现了一种基于灰色动态BP神经网络的光伏发电短期出力预测模型。通过灰色系统理论对BP神经网络因子集进行优化，同时对BP神经网络的隐含层节点数进行动态调节。将提出的模型应用于真实的光伏电站短期出力预测中，预测结果和实测结果吻合度较高，验证了模型的有效性。关键词：BP神经网络；灰色模型；光伏发电；短期出力；预测Short-termOutputPowerPr

2、edictionofPhotovoltaicGenerationbasedonaGreyDynamicBPNeuralNetworkLouBaolei(StateGridofChinaTechnologyCollege，Ji’nan250002)AbstractInordertoavoidtheshortcomingsoftraditionalBPneuralnetworkinpredictingtheshort—termoutputpowerofphotovoltaicgeneration，apredic

3、tionmodelbasedonagreydynamicBPneuralnetworkwasproposedandrealizedinthispaper．ThegreysystemtheorywasadoptedtoimprovethefactorsetoftraditionalBPneuralnetwork，meanwhilethenumberofnodesofhiddenlayerintheBPneuralnetworkwasadjusteddynamically．Attheendtheproposed

4、modelwasusedtopredicttheshort-termoutputpowerinarealphotovoltaicpowerstation．Theresultsshowthatthepredictedresultsagreewellwiththemeasuredresults，whichverifiesthevalidityofthemode1．Keywords：BPneuralnetwork；greymodel；photovoltaicgeneration；short—termoutputp

5、ower；prediction随着我国经济水平的不断提高，对电力的需求度较低，预测模型甚至可能失效。间接预测方法结不断加大，化石能源的供应也日趋紧张。太阳能光合光伏发电站历史数据和气象数据，采用人工神经伏发电作为一种可再生能源，近年来得到了快速的网络方法进行预测，由于其在模型的建立过程中考发展】。由于太阳能光伏发电是间歇能源，其输出虑了气象数据的变化，预测准确度更高，因而更具功率受到太阳辐射强度、环境温湿度等因素的影响，有潜在的应用价值。BP神经网络具有强大的学习能因此具有波动性。为了尽量减少大规模光伏发电

6、对力，能逼近任意复杂的非线性函数，在光伏发电短电网造成的影响，对光伏发电的出力进行预测显得期出力的预测中得到了广泛的应用。极为重要。本文首先阐述了BP神经网络的算法原理，分目前针对光伏出力的预测方法主要可以分为直析了其存在的不足；由此提出采用一种灰色动态算接预测法和间接预测法【2培]。直接预测法是根据光伏法对其进行改进，从而实现了一种灰色动态BP神发电站的发电量历史数据和天气数据直接预测光伏经网络方法；最后将提出的方法应用于利用实际光电站的输出功率和发电量，不需要对天气等外界环伏电站短期出力的预测中，并通过

7、对比预测结果和境进行预测。由于直接预测法没有考虑天气的情况，实测结果，证明所提出预测模型的有效性。本文旨只是在历史数据统计的基础上进行预测，其预测精在为光伏发电短期出力预测提供一条可能的途径。2015~12期鼍

8、．I藏最l47研究与开发1BP神经网络算法及其缺点确定参数[13-16】。另外，灰色理论可以对隐含层节点个数进行动态校正，从而可以有效地解决隐含层节反向误差传递(BP)算法是目前应用最广泛的点个数难以确定的问题。神经网络模型之一，常见的BP神经元网络结构如2．1灰色关联分析确定模型的因子集图1所示们

9、。对于随机而复杂的非线性系统，其影响因素较输入层隐含层多且不易确定影响程度。灰色关联分析可以用于分析系统影响因子集和系统行为特征量之间的关联程度，较好地确定主要影响因子["]。设原始数据序列中，和分别为参考序列和比较序列，即0={o(；k=l，2，一。，)，xi={xf(；k=-I，2，⋯，)(i=1，2，⋯m)；图1BP神经网络模型结构设其隐含层和输出层的神经元传输函数分别用则关联度法计算公式为和表示，则网络的