天气分类和BP神经网络的光伏短期出力预测

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.

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

所属期刊栏目：44

分类号：TM615(发电、发电厂)

资助基金：广东省重大领域研发计划项目2018B010-109003

在线出版日期：2021-01-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：1809-1813