基于拟牛顿法小波神经网络的光伏发电系统短期功率预测模型

• 作者: 徐永海 杨超颖 王硕 王金浩 黄浩
• 来源期刊: 中国电力
• 学科: 工学
• 关键词: 光伏发电 功率预测 小波神经网络 BP神经网络 拟牛顿法 预测模型
• 年，卷（期）: 2014,（6）
• 所属期刊栏目: 新能源
• 页码范围: 117-124
• 页数: 8页
• 分类号: TM615
• 字数: 4945字
• 语种: 中文

摘要

光伏发电系统出力的随机性会对大电网造成冲击,需要加强光伏阵列发电功率预测的研究.为此,提出采用拟牛顿法小波神经网络建立光伏发电系统短期功率预测模型.以某光伏电站实测数据为比较对象,与基于标准梯度下降法BP神经网络以及基于附加动量和自适应学习速率结合的BP神经网络建立的2种预测模型进行对比研究,结果表明,拟牛顿法在收敛速度和预测精度上都更具有优势.此外,通过和拟牛顿法BP神经网络功率预测方法对比表明,拟牛顿法小波神经网络的预测精度更高,尤其是在一天早中晚时刻或辐照度较低情况下预测效果得到了很大的提高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	徐永海	华北电力大学电气与电子工程学院	107	2981	25.0	53.0
2	王硕	华北电力大学电气与电子工程学院	36	83	6.0	8.0
3	杨超颖		7	69	4.0	7.0
4	王金浩		12	106	5.0	10.0
5	黄浩	华北电力大学电气与电子工程学院	3	61	2.0	3.0