基于遗传算法优化神经网络的光伏发电预测

• 作者: 颜文俊 黄敏敏
• 来源期刊: 机电工程
• 学科: 工学
• 关键词: 光伏发电 功率预测 遗传算法 神经网络
• 年，卷（期）: 2015,（11）
• 所属期刊栏目: 电工技术
• 页码范围: 1509-1512
• 页数: 4页
• 分类号: TM615
• 字数: 3292字
• 语种: 中文
• DOI: 10.3969/j.issn.1001-4551.2015.11.023

摘要

针对光伏发电系统输出电能随机性对电力系统的影响问题,对光伏输出功率预测方法进行了研究,提出了基于遗传算法优化BP神经网络的光伏预测模型.对光伏发电系统的历史发电量数据和气象数据进行了数学归纳,分析了天气类型、温度、太阳辐射强度等因素对光伏发电功率的影响.建立了基于遗传算法优化的神经网络光伏发电预测模型,提前一天进行了功率预测,且通过动态修正进一步提高了模型预测精度.运用Matlab为神经网络与遗传算法工具箱,对训练好的模型在不同日类型下进行了测试和评估,并与传统神经网络预测结果进行了对比分析.研究结果表明,利用遗传算法优化方法提高了神经网络模型预测光伏输出功率的精度,预测结果与实测结果之间的平均误差百分比减小,预测方法具有工程应用意义.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	颜文俊	浙江大学电气工程学院	85	908	17.0	24.0
2	黄敏敏	浙江大学电气工程学院	3	25	2.0	3.0