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

• 作者: 代倩 段善旭 蔡涛 邱纯 陈昌松 陈正洪
• 来源期刊: 中国电机工程学报
• 学科: 工学
• 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
• 年，卷（期）: 2011,（34）
• 所属期刊栏目: 智能电网
• 页码范围: 28-35
• 分类号: TM615
• 字数: 5898字
• 语种: 中文

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。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈正洪		129	1958	21.0	41.0
2	段善旭	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	7	304	4.0	7.0
3	陈昌松	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	4	258	3.0	4.0
4	蔡涛	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	3	249	3.0	3.0
5	代倩	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	245	2.0	2.0