基于天气类型聚类识别的光伏系统短期无辐照度发电预测模型研究

被引：165

作者：

代倩 ^{[1
]}

段善旭 ^{[1
]}

蔡涛 ^{[1
]}

陈昌松 ^{[1
]}

陈正洪 ^{[2
]}

邱纯 ^{[1
]}

机构：

[1] 强电磁工程与新技术国家重点实验室(华中科技大学电气与电子工程学院)

[2] 湖北省气象科技服务中心

来源：

中国电机工程学报 | 2011年 / 31卷 / 34期

基金：

中央高校基本科研业务费专项资金资助;

关键词：

光伏发电量短期预测; 神经网络; 气象因素; 自组织特征映射聚类; 距离分析;

D O I：

10.13334/j.0258-8013.pcsee.2011.34.026

中图分类号：

TM615 [太阳能发电];

学科分类号：

0807 ;

摘要：

现有光伏发电量预测模型大多以太阳辐照度作为必要的输入,然而,由于当前国内太阳辐射站点仍较稀少且预报能力较低,因此此类预报方法难于实施。利用距离分析方法分析光伏发电量与气象因素间的相关性,确定以气温和湿度作为预报输入因子,建立反传播(back propagation,BP)神经网络的无辐照度发电量短期预报模型。此外,为适应天气突变,采用自组织特征映射(self-organizing feature map,SOM)由云量预报信息对天气类型聚类识别,继而对各天气类型采用相应的预测网络,避免了单神经网络的过拟合问题。通过与含辐照度输入及无天气聚类识别的预测模型做交叉对比实验,预测结果表明,天气类型聚类识别能显著提高预测精度,无辐照度光伏发电量短期预测模型有较高的精度和50%湿度抗扰动性。

引用

页码：28 / 35

页数：8

共 11 条

[1] 大规模风电并网电力系统经济调度中风电场出力的短期预测模型 [J].

袁铁江 ;

晁勤 ;

李义岩 ;

吐尔逊·伊不拉音 .

中国电机工程学报, 2010, 30 (13) :23-27

[2] 基于神经网络的光伏阵列发电预测模型的设计 [J].

陈昌松 ;

段善旭 ;

殷进军 .

电工技术学报, 2009, 24 (09) :153-158

[3] 基于人工神经网络的风电功率预测 [J].

范高锋 ;

王伟胜 ;

刘纯 ;

戴慧珠 .

中国电机工程学报, 2008, (34) :118-123

[4] 基于支持向量机回归的光伏发电出力预测 [J].

栗然 ;

李广敏 .

中国电力, 2008, (02) :74-78

[5] 基于模糊聚类的电力负荷特性的分类与综合 [J].

李培强 ;

李欣然 ;

陈辉华 ;

唐外文 .

中国电机工程学报, 2005, (24) :73-78

[6] 基于径向基神经网络和自适应神经模糊系统的电力短期负荷预测方法 [J].

雷绍兰 ;

孙才新 ;

周湶 ;

张晓星 ;

程其云 .

中国电机工程学报, 2005, (22) :81-85

[7] 风电场风速和发电功率预测研究 [J].

杨秀媛 ;

肖洋 ;

陈树勇 .

中国电机工程学报, 2005, (11) :1-5

[8] 基于KOHONEN神经网络的电力系统负荷动特性聚类与综合 [J].

张红斌 ;

贺仁睦 ;

刘应梅 .

中国电机工程学报, 2003, (05) :2-6+44

[9]

电力系统负荷预测[M]. 中国电力出版社 , 康重庆, 2007

[10]

Neural network based estimation of maximum power generation from PV module using environmental information. Hiyama T,Kitabayashi K. IEEE Transactions on Energy Conversion . 1997

← 1 2 →