计及光伏电站功率预测的电力系统优化分析

• 作者: 刘同心 李茂林 杨秋霞 高辰
• 来源期刊: 电力系统保护与控制
• 关键词: 太阳辐照度预测 改进BP神经网络 自适应调节学习率 双目标优化 预测值比较
• 年，卷（期）: 2018,（2）
• 所属期刊栏目: 设计开发
• 页码范围: 117-123
• 页数: 7页
• 字数: 4763字
• 语种: 中文
• DOI: 10.7667/PSPC170035

摘要

光伏功率预测多采用间接预测法,由预测太阳辐照度数值结合光转电模型来预测光伏出力.为了解决传统BP算法在短期太阳辐照度预测中易陷入局部最优和收敛速度慢的问题,引入了自适应调节学习率和陡度因子建立太阳辐照度预测模型.在双极性Sigmoid函数中加入陡度因子以提高BP算法的收敛速度,为了便于数据处理将输入数据归一在[-1,1],同时引入自适应调节学习率以调整网络权值,提高收敛性能.为了研究含光伏电站的电力系统优化问题,建立了系统日综合成本最小和日废气排放量最少的双目标优化模型,并采用双目标细菌群体趋药性算法进行优化.算例证明:改进BP神经网络算法能有效地提高预测精度,增强神经网络模型的泛化能力,具有较好的实用性;预测光伏出力能够统筹安排机组出力,合理消纳光伏资源.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨秋霞	燕山大学电气工程学院	34	296	8.0	16.0
2	李茂林		3	30	2.0	3.0
3	刘同心		2	13	1.0	2.0
4	高辰	燕山大学电气工程学院	2	13	1.0	2.0