基于多维气象数据和PCA-BP神经网络的光伏发电功率预测

• 作者: 丁坤 刘俊 汪宁渤 牛拴保 王旭 郝旭东 陈业夫
• 来源期刊: 电网与清洁能源
• 学科: 工学
• 关键词: BP神经网络 光伏发电功率预测 气象大数据 特征降维 主成分分析
• 年，卷（期）: 2017,（1）
• 所属期刊栏目: 清洁能源
• 页码范围: 122-129
• 页数: 8页
• 分类号: TM615
• 字数: 4973字
• 语种: 中文
• DOI: 10.3969/j.issn.1674-3814.2017.01.019

摘要

太阳能光伏发电受很多随机因素的影响,这使得光伏系统输出功率具有不确定性的特点.光伏系统输出功率的精确预测对电力系统的未来规划、调度管理和运行控制有着重要意义.通过多个渠道搜集多维数的历史气象数据,同时将天气类型分为无云、有云、多云和雨天4类;然后基于反向传播(back propagation,BP)神经网络建立不同气象条件下的光伏发电功率预测模型;最后利用主成分分析(principal component analysis,PCA)对原始气象特征数据进行降维分析和处理,以提高计算速度和精度.仿真算例结果验证了所建立的光伏发电功率预测模型的有效性,而且PCA降维能够降低训练,减少预测的计算时间,并提高预测精度,这表明PCA能适用于未来海量气象大数据下光伏电站短期、超短期的分钟级实时功率预测.