Print

基于混合灰色关联分析-广义回归神经网络的光伏电站短期功率预测

论文摘要

随着大规模的光伏发电接入电网,其输出的随机性和波动性给电网调度管理带来巨大的挑战。基于此,本文提出了一种同时考虑统计（历史光伏输出功率）和物理（历史和未来的气象信息）变量的混合灰色关联分析-广义回归神经网络预测模型。首先,计算多元气象因子与光伏发电功率的皮尔逊相关系数,将相关系数较高的气象因子确定为建立预测模型的气象输入因子;然后,采用灰色关联分析算法计算历史日与待预测日的关联度确定最佳相似日,选取最佳相似日的光伏输出功率和气象输入因子以及待预测日的相关气象参数作为广义回归神经网络模型的输入参数,得到待预测日各个时刻输出功率的预测值;最后,利用澳大利亚DKA太阳能中心网站所提供的光伏电站历史气象数据和功率数据对所设计的模型进行训练和测试,验证模型在不同季节下的预测效果。结果表明,与所选择的对比模型相比,本文所建模型具有较好的预测性能。

论文目录

  • 1 光伏发电功率的影响因素
  •   1.1 光伏发电功率的特性分析
  •   1.2 影响光伏发电功率的气象因素
  •     1)全球水平辐射（太阳总辐射）
  •     2)扩散水平辐射（散射辐射）
  •     3)环境温度
  •     4)相对湿度
  •     5)风速
  • 2 基于灰色关联分析的最佳相似日选取方法
  •   2.1 基于灰色关联分析的关联度计算
  •     1)确定分析数列
  •     2)变量的无量纲化
  •     3)计算关联系数
  •     4)计算关联度
  •     5)关联度排序
  •   2.2 最佳相似日的选取方法
  • 3 广义回归神经网络
  • 4 基于混合灰色关联分析-广义回归神经网络的光伏电站短期功率预测
  •   4.1 数据预处理
  •   4.2 样本选择
  •     1)训练样本的选择
  •     2)测试样本的选择
  •   4.3 预测结果的评估
  • 5 实验结果与分析
  • 6 结论

    • 文章来源

    类型: 期刊论文

    作者: 彭周宁,林培杰,赖云锋,程树英,陈志聪

    关键词: 光伏功率预测,灰色关联分析,广义回归神经网络,最佳相似日

    来源: 电气技术 2019年10期

    年度: 2019

    分类: 工程科技Ⅱ辑

    专业: 电力工业

    单位: 福州大学物理与信息工程学院微纳器件与太阳能电池研究所

    基金: 国家自然科学基金(61574038,61601127,51508105),福建省科技厅项目(2018J01774,2018J01645,2019J01218,2016H6012),福建省教育厅项目(JAT160073),福建省经信委行业关键共性技术项目(83016006,830020)

    分类号: TM615

    页码: 11-18

    总页数: 8

    文件大小: 962K

    下载量: 280

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/e8efcac027fe294f55c0ad40.html