天气分类和BP神经网络的光伏短期出力预测

• 作者: 刘乐平 徐小艳 杨忠明 蒋小波
• 来源期刊: 电源技术
• 学科: 工学
• 关键词: 光伏发电 短期出力预测 模糊天气分类 自适应聚类 BP神经网络
• 年，卷（期）: 2020,（12）
• 所属期刊栏目: 研究与设计
• 页码范围: 1809-1813
• 页数: 5页
• 分类号: TM615
• 语种: 中文
• DOI: 10.3969/j.issn.1002-087X.2020.12.025

摘要

光伏发电系统输出功率受天气因素影响,呈现随机性、波动性和间歇性.并网时可能影响电网稳定可靠运行.对此构建一个基于天气分类和改进反向传播(BP)神经网络算法的光伏出力预测模型.模型采用地表地外辐照强度相关系数、波动系数和波形熵三维特征,对33种天气类型进行量化,提取特征向量,用K-MEANS算法对特征向量进行自适应聚类,得到兼顾模型复杂度和泛化能力的4种天气类型;用遗传模拟退火(GSA)算法对BP神经网络模型的权值和阈值进行全局寻优,确保其收敛于全局最优解.依据实际光伏发电系统发电历史数据,用上述方法做出力预测,结果表明该方法预测数据与各种天气类型实际发电数据基本一致,表明该方法具有一定的推广应用价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	蒋小波		3	0	0.0	0.0
2	杨忠明		20	68	5.0	8.0
3	刘乐平		6	12	2.0	3.0
4	徐小艳		1	0	0.0	0.0