基于LVQ-GA-BP神经网络光伏电站出力短期预测

摘要：

为了实现对大规模并网型光伏电站调度，分析影响光伏出力的气象相关因素，以光照强度和温度作为输入量，分季节建立了一种基于LVQ-GA-BP神经网络预测系统。通过LVQ（Learning Vector Quantization）神经网络对样本进行分类，将分类后的样本训练，得出基于BP神经网络光伏电站出力预测系统，从而提高光伏预测精度。采用GA算法替代传统的学习算法优化BP神经网络的权值和阀值，提高预测网络的训练速度。将建立的LVQ-GA-BP预测系统与传统系统进行了比较和分析，结果表明：该方法的建立，不仅提高了光伏出力的预测精度，而且还提高了BP神经网络的训练速度，具有潜在的工程应用价值。

关键词：光伏出力预测、LVQ-GA-BP预测模型、气象因素、神经网络

分类号：TM723;TM732(输配电工程、电力网及电力系统)

资助基金：国家自然科学基金资助项目51267020；教育部2012年高等学校博士学科点专项科研基金博导类联合资助课题资助项目20126501110003；新疆科技支疆资助项目201091204This work is supported by National Natural Science Foundation of China 51267020

在线出版日期：2014-08-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：89-94