蚁群BP神经网络的光伏电站辐照强度预测.pdf

《蚁群BP神经网络的光伏电站辐照强度预测.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28卷第7期电力系统及其自动化学报Vo1．28No．72016年7月ProceedingsoftheCSU_EPSAJu1．2016蚁群BP神经网络的光伏电站辐照强度预测贺文，齐爽，陈厚合(1．国网宁夏电力公司，银川750001；2．东北电力大学电气工一～釜-二．舳一程一ycC弓学一．～_～一nU～nC缸詈一院～一．d一=慨一m薹S，一～兰一二一_一～吉～一ae一弓蓍，．林一Ⅱ_～_一n一X蚕S盯町重一～一～k～扎1●一眦H叫32一～=～b～．一硅"髓pV一01一～．2耋“)一二一～一“．一“n一弓摘要：为了提高光伏电站辐照强度的

2、预测精度，本文提出了基于蚁群改进BP神经网络的预测方法。首先，分析了辐照强度的影响因素，从中筛选出纬度、海拔、天气类型、日照时数、温度、空气质量、相对湿度、风速、大气压强等最优影响因子作为模型的输入；其次，通过建立新的传递函数，采用最小均方误差能量函数法进行自动优化隐含层数；按月份建立蚁群改进BP神经网络模型，对辐照强度进行预测。预测结果与BP神经网络模型进行对比，表明该方法有效提高了辐照强度的预测精度。关键词：光伏电站；辐照强度；蚁群算法；改进BP神经网络；预测中图分类号：TM615文献标志码：A文章编号：1003—8930(20

3、16)07—0026—06DOI：10．3969~．issn．1003-8930．2016．07．005PredictionofRadiationIntensityforPhotovoltaicPowerPlantsBasedonAntColonyBPNeuralNetworkHEWen，QIShuang，CHENHouhe。(1．StateGridofNingxiaElectricPowerCompany，Yinchuan750001，China；2．ElectricalEngineeringCollege，NortheastDi

4、anliUniversity，Jilin132012，China)太阳能是绿色可再生能源，光伏发电系统很好赖于复杂的辐照强度预测模型和精准的气象预报地利用了太阳能的清洁性与经济性，已经受到了各信息，目前尚未成熟一。因此，若能准确预测光伏国的重视。随着光伏发电并网规模的不断扩大，光电站辐照强度，将会降低光伏电站并网时对电网伏发电系统功率的输出对电网的影响也日益凸的影响，从而保证电力系统的可靠性与经济性。显。光伏发电功率预测的准确与否直接关系到电目前人工神经网络ANN(artificialneuralnet力系统调度部门能否及时合理安排

5、电网运行方式，work)[4-61模型在辐照强度预测方面取得了较大的从而采取措施调整调度计划，以提高电力系统的安成就。尤其是应用广泛的BP(backpropagation)神全性与稳定性”。经网络，它具有自组织、自适应和自学能力，特别适目前，光伏发电功率预测的方法有两种：一种用于处理需要同时考虑许多因素和不精确条件的是直接预测方法，利用光伏电站的历史输出功率模糊信息问题。但是BP神经网络算法有它自身的进行预测；另一种是间接预测方法，基于辐照强度局限性，例如局部搜索能力使其易陷入局部极小预测光伏发电系统的输出功率。间接预测方法依值、收

6、敛时间长、泛化能力弱等缺点。有研究证明，收稿日期：2015—03—24；修回日期：2015—12—28基金项目：国家自然科学基金资助项目(51377016)；长江学者和创新团队发展计划资助项目(IRT1l14)；吉林省科技发展计划资助项目(2014010l080JC)第28卷贺文等：蚁群BP神经网络的光伏电站辐照强度预测·27·两种或两种以上的组合预测优于单个预测效果，可2输入变量的选取以提高预测精度。本文提出了基于蚁群改进BP神经网络的光伏辐照强度预测是一个复杂的非线性问题，辐照电站辐照强度预测方法，分析了辐照强度的多个重强度的大

7、小由许多因素共同决定，因此提高辐照强要影响因子，将其作为模型的输入变量，并创建新度预测精度的关键是选择最优的影响因子。近年，的网络函数，实现网络结构自动优化确定。利用石雾霾等天气的出现，空气质量急剧下降，直接影响嘴山第四光伏发电站历史数据，验证了该预测方法了太阳能的辐射。空气质量指数AQI(airqualityin—的准确性与稳定性。dex)是定量描述空气质量状况的无量纲指数，指数越大，对太阳能辐照强度的影响越大。故本文重点1蚁群改进BP神经网络基本原理对纬度、海拔、天气类型、日照时数、温度、空气质1．1BP神经网络基本原理量、相对

8、湿度、风速、大气压强进行研究，分析这些BP神经网络由输入层、隐含层、输出层构因素对辐照强度的影响。成。它能够以任意精度逼近非线性映射，是一种2．1天气类型对光伏电站辐照强度的影响以信号传播为基础的学习过程，信号在传播的过程不同天气类型