基于PCA-BPNN的并网光伏电站发电量预测模型研究

• 作者: 宋启军 李芬 蔡涛 赵晋斌 闫全全 陈正洪
• 来源期刊: 可再生能源
• 学科: 工学
• 关键词: 主成分分析 发电量预测 并网光伏电站 清晰度指数 气象因子
• 年，卷（期）: 2017,（5）
• 页码范围: 689-695
• 页数: 7页
• 分类号: TK514|TM615
• 字数: 5071字
• 语种: 中文

摘要

针对目前光伏电站发电量预测模型中输入气象维数较多、预测精度低等问题,提出基于主成分分析(PCA)和BP神经网络(BPNN)相结合的光伏电站发电量预测模型.利用PCA对水平面太阳总辐射、日照时数、气温日较差等多个气象变量进行解耦降维处理,形成相互正交、相互独立的公因子变量.将这些公因子变量作为BPNN模型的输入变量,并进行训练拟合建模,从而实现对光伏电站发电量进行预测.文章利用我国华中地区某屋顶并网光伏电站的实测数据,对PCA-BPNN模型进行检验.通过研究结果可知,与常见的预测模型相比,PCA-BPNN模型大大降低了气象变量的输入维数,该模型预测结果的准确性较高.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	陈正洪		129	1958	21.0	41.0
2	蔡涛	华中科技大学强电磁工程与新技术国家重点实验室	35	587	13.0	24.0
3	赵晋斌	上海电力学院电气工程学院	72	389	11.0	16.0
4	李芬	上海电力学院电气工程学院	38	225	9.0	14.0
5	闫全全		9	45	4.0	6.0
6	宋启军	上海电力学院电气工程学院	4	31	3.0	4.0