基于信息融合的动态神经网络光伏功率预测

被引：23

作者：

张旻 ^{[1
,2
]}

李天喆 ^{[2
]}

张容进 ^{[2
]}

王苏英 ^{[2
]}

毛晓红 ^{[2
]}

机构：

[1] 广东省工业技术成果转化推广中心

[2] 广州粤有研冠雅电器科技有限公司

来源：

电力科学与技术学报 | 2020年 / 35卷 / 03期

关键词：

光伏功率预测; 信息融合理论; 动态神经网络; 共轭梯度算法;

D O I：

10.19781/j.issn.1673-9140.2020.03.009

中图分类号：

TM615 [太阳能发电];

学科分类号：

0807 ;

摘要：

光伏发电由于受到外界环境的制约,发电波动较大,很难保证高比率的接入,精准预测光伏功率能在提高光伏使用率的同时保障电网的安全运行和调度。在此背景下,提出一种新型光伏功率预测方法,以动态神经网络模型为构架,充分考虑各种制约光伏发电的影响因子,将其进行加权融合成一个综合影响因子λ,并用改进的共轭梯度算法对运算进行优化,针对功率波动较大的时刻,通过缩短预测时间间隔、增加隐含层层数提高预测精度。最后在岳阳临湘县民禹光伏电站进行实际验证。经验证预测方法可行有效,且精度较高。

引用

页码：68 / 73

页数：6

共 8 条

[1] 基于遗传算法—模糊径向基神经网络的光伏发电功率预测模型 [J].

叶林 ;

陈政 ;

赵永宁 ;

朱倩雯 .

电力系统自动化, 2015, 39 (16) :16-22

[2] 基于相似日聚类和贝叶斯神经网络的光伏发电功率预测研究 [J].

嵇灵 ;

牛东晓 ;

汪鹏 .

中国管理科学, 2015, 23 (03) :118-122

[3] 基于机器学习的自适应光伏超短期出力预测模型 [J].

高阳 ;

张碧玲 ;

毛京丽 ;

刘勇 .

电网技术, 2015, 39 (02) :307-311

[4] 计及天气类型指数的光伏发电短期出力预测 [J].

袁晓玲 ;

施俊华 ;

徐杰彦 .

中国电机工程学报, 2013, 33 (34) :57-64+12

[5] 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 [J].

代倩 ;

段善旭 ;

蔡涛 ;

陈昌松 ;

陈正洪 ;

邱纯 .

中国电机工程学报, 2011, 31 (34) :28-35

[6] 基于马尔可夫链的光伏发电系统输出功率短期预测方法 [J].

丁明 ;

徐宁舟 .

电网技术, 2011, 35 (01) :152-157

[7]

Forecasting Power Output of Solar Photovoltaic System Using Wavelet Transform and Artificial Intelligence Techniques.[J].Paras Mandal;Surya Teja Swarroop Madhira;Ashraf Ul haque;Julian Meng;Ricardo L. Pineda.Procedia Computer Science.2012,

[8]

电力系统负荷预测.[M].康重庆; 夏清; 刘梅; 编著.中国电力出版社.2007,

← 1 →