基于时频熵和神经网络的光伏发电功率预测模型

• 作者: 孙志强 李东阳
• 来源期刊: 中南大学学报（自然科学版）
• 学科: 工学
• 关键词: 集合经验模态分解 Hilbert变换 时频熵 神经网络 光伏发电功率预测
• 年，卷（期）: 2020,（1）
• 所属期刊栏目: 能源工程·交通运输工程
• 页码范围: 221-230
• 页数: 10页
• 分类号: TK519
• 字数: 5318字
• 语种: 中文
• DOI: 10.11817/j.issn.1672-7207.2020.01.025

摘要

针对光伏电站并网后发电功率波动较大影响电网合理调度及平稳运行的问题,提出一种基于EEMD-Hilbert变换及时频熵的神经网络光伏发电功率预测方法.将电站光伏发电功率历史值按晴天、雨天及多云天分类并分别用集合经验模态分解(ensemble empirical mode decomposition,EEMD)方法分解成若干频率由高到低的内禀模态分量,经游程检测法重构成高频和中频分量,再由Hilbert变换得到高频和中频分量各数据点的频率与幅值,构造信号的能量谱图,提取含有时频信息的特征参数时频熵,将其与EEMD分解后得到的中频或高频分量以及温度、光照强度、风速、相对湿度等气象参数作为BP(back propagation)神经网络的输入,构建预测模型对不同天气条件下短期和超短期光伏发电功率进行预测.研究结果表明:此方法预测精度较高,发电功率预测误差基本上小于仅用气象数据直接预测的误差;晴天、雨天和多云天的短期光伏发电功率预测准确率分别为0.995,0.944和0.931,超短期预测准确率分别为0.996,0.984和0.991.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙志强	中南大学能源科学与工程学院	40	429	12.0	20.0
2	李东阳	中南大学能源科学与工程学院	3	5	2.0	2.0