太阳能光伏发电功率短期智能预测方法.pdfVIP

第31卷 第 3期 山 东 建 筑 大 学 学 报 Vol_31 No．3 2016焦 6月 JOURNAL OF SHANDONG JIANZHU UNIVERSnY Jun． 2016 文章编号：1673—7644(2016)03—0205—07 太阳能光伏发 电功率短期智能预测方法 段培永，张洁珏，崔冲，张震，邹明君，吕东岳 (山东建筑大学 信息与电气工程学院，山东 济南 250101) 摘要 ：随着能源危机的加剧，太阳能光伏产业 日益受到关注。而太阳能光伏发电功率存在波动性和随机性的特 点，为减轻其对电网的影响，进行光伏出力预测是解决这一问题的基本途径。文章针对短期光伏预测中存在的 计算量大、预测精确度低等难题，在对现场数据进行采集、处理与定量分析的基础上，基于改进的超闭球神经网 络(ImprovedhyperballCMAC，IHCMAC)理论 ，提出了短期智能预测算法并对其加以改进，利用采集的气象参数、 光伏发电数据 ，构建了光伏发电功率预测模型，并通过性能评价验证了该算法的有效性。 关键词：光伏发电；短期功率预测 ；超闭球神经网络 ；短期智能预测算法 中图分类号：TU996 文献标识码：A A smartforecastingmethodforshort-term solar photovoltaicgenerationpower DuanPeiyong，ZhangJiejue，CuiChong，eta1． (SchoolofInformationandElectricalEngineering，ShandongJianzhuUniversity，Jinan250101，China) Abstract：Withtheintensification oftheenergy crisis，thesolarphotovohaieindustryisbecoming more and more attention． However， the solar photovohaic power volatility and rnadomness characteristics，inordertomitigatethenegativeimpactonpowergrid，photovohaicoutputforecastis thebasicwaytosolvethisproblem．Aimingatshortterm photovohaicforecastthatexistsinthelarge amountofcalculationand low predictionaccuracyproblem，on thebasisoffielddataacquisition， processingandquantitativeanalysis，nadbasedonimprovedhyperballneuralnetwork (IHCMAC) theory，thepaperproposedashort—term intelligentpredictionalgorithm anditsimprovement，Through theuseofmeteorological parameterscollection，andphotovoltaicpowergenerationdata，thepaper buildsphotovohaicpowerpredictionmodelandvalidatetheperfomr anceevaluationbyeffectivenessof thealgorithm． Keywords：PV powergeneration；short—temr powerprediction；HCMACneuralnetwork；short—temr intelli