提高光伏发电功率预测是保障电力系统稳定运行和提高太阳能消纳的有效手段;由于神经网络算法具有件棒性高,非线性逼近能力强等特点,被普遍运用在光伏发电功率预测中;神经网络预测性能与输入维数、训练样本密切相关,为了提高预测精度,提出一种改进相似样本选取及对相似样本特征提取的光伏发电功率预测方法;首先对采集样本进行野值提除与补正;然后计算不同时刻气象因子影响权重优化传统相似样本选取方案;再接着对相似样本进行有效特征提取;最后基于广义回归神经网络(GRNN)算法对一日发电功率进行短期预测;利用云南大理西村光伏电站仿真结果表明,所述方法可以提高预测性能。
类型: 期刊论文
作者: 陈世游,左为恒
关键词: 光伏发电功率预测,野值剔除与补正,优化相似样本,特征提取,广义回归神经网络
来源: 计算机测量与控制 2019年02期
年度: 2019
分类: 信息科技,工程科技Ⅱ辑
专业: 电力工业
单位: 重庆大学电气工程学院
分类号: TM615
DOI: 10.16526/j.cnki.11-4762/tp.2019.02.037
页码: 165-169+174
总页数: 6
文件大小: 3351K
下载量: 87
本文来源: https://www.lunwen66.cn/article/ddba7a8701679e04008bc165.html