基于相似日和WNN的光伏发电功率超短期预测模型

作者:宋人杰;刘福盛;马冬梅;王林; 刊名:电测与仪表 上传者:周治中

【摘要】光伏发电功率预测对提高并网后电网的稳定性及安全性具有重要意义.文章提出一种基于相似日和小波神经网络(WNN)的光伏功率超短期预测方法.首先利用光伏发电系统的历史气象信息建立气象特征向量,通过计算灰色关联度寻找到合适的相似历史日.再根据自相关性分析法找出与预测时刻功率相关性最大的几个历史时刻功率,结合历史时刻的温度,辐照度,风速等光伏出力的主要天气影响因素科学合理的确定模型输入因子.最后使用小波神经网络(WNN)创建预测模型,通过相似历史日数据作为训练样本训练小波网络,而后对预测日的出力情况进行逐时刻预测.实例分析表明,该方法具有较高的预测精度,为解决光伏发电系统超短期功率预测提供了一种可行路径.

全文阅读

第 54卷 第 7期 2017年 4月 10日 电测与仪表 Electrical M easurement& Instrum entation VoI.54 No.7 Apr.10,2017 基 于相似 日和 WNN的光伏发 电功率超短期预测模型 宋人杰 ,刘福盛 ,马冬梅 ,王林2 (1.东北电力大学信息工程学院,吉林 吉林 132012;2.国网吉林供电公司信息通信分公司,吉林 吉林 132012) 摘要 :光伏发电功率预测对提高并网后电网的稳定性及安全性具有重要意义 。文章提 出一种基于相似 日和小 波神经网络(WNN)的光伏功率超短期预测方法。首先利用光伏发电系统的历史气象信息建立气象特征向量, 通过计算灰色关联度 寻找到合适 的相似历史 日。再根据 自相关性分析法找出与预测时刻功率相关性最大的几 个历史时刻功率 ,结合历史时刻的温度 ,辐照度 ,风速等光伏出力的主要天气影 响因素科学合理 的确定模型输 入因子。最后使用小波神经 网络(WNN)创建预测模型 ,通过相似历史 日数据作为训练样本训 练小波网络 ,而 后对预测 日的出力情况进行逐时刻预测。实例分析表 明,该方法具有较高的预测精度 ,为解决光伏发电系统超 短期功率预测提供 了一种可行路径 。 关键词 :光伏功率预测 ;相似 日;灰色关联 ;WNN;超短期 ; 中图分类号:TM933 文献标识码 :B 文章编号 :1001—1390.(2017)07-0075-06 A very short—term prediction model for photovoltaic power based on similar days and wavelet neural network Song Renjie ,Liu Fusheng ,Ma Dongmei ,Wang Lin (J.School ofInformation Science and Engineering,Northeast Dianli University,Jilin 132012,Jilin,China. 2.Communication Branch of State Grid Jinlin Power Supply Company,Jilin 132012,Jilin,China) Abstract:Photovohaic(PV)generation power prediction has great significance for the stability and security of power gdd after the PV gdd—connection.In this paper.we propose a very short-term photovoltaie power forecasting method— which is based on similar days and wavelet neural networks(WNN).Firstly,the historical weather information from the PV power generation system is utilized to establish meteorological feature vectors,and similar days are found based on computation grey correlation degree.Secondly,the autocoelation

参考文献

引证文献

问答

我要提问