基于HPO-BP光伏发电功率预测研究.pdfVIP

与

信息技术信息化电子与通信技术

基于HPO-BP光伏发电功率预测研究

11

高昕陈龙

摘要光伏发电作为一种清洁、可再生的能源形式，在全球范围内得到了广泛的关注和应用。然而，由于气象

条件的复杂性和不确定性，光伏发电的功率波动较大，给电网系统的稳定运行带来了一定的挑战。因此，

提高光伏发电预测精度对于保障电网系统的安全和稳定具有重要意义。为了实现这一目标，提出了一种

基于HPO-BP神经网络的预测模型。首先，利用灰色关联度和高斯混合模型相结合的方法，筛选出与光

伏发电功率相关性较高的气象因素，从而构建出更加准确的预测模型。其次，针对BP神经网络的参数

较多、易陷入局部最优等问题，采用了HPO技术对BP神经网络的参数进行优化，提高了预测精度和

收敛速度。最后，通过实验验证了模型的优越性。经过测试，HPO-BP神经网络预报模式显著优于传统

光伏发电预报模式，其准确性、泛化性以及其他特性都远超过传统模型，从而使得供电系统的安全、可

靠度获得了更大的保障。

关键词光伏发电；猎人猎物算法；灰色关联度；预测精度；收敛速度

doi：10.3969/j.issn.1672-9528.2024.06.038

0引言月31日全年数据，其中每间隔15分钟对数据进行一次采集。

共计35040条数据。其中包含总辐射强度、环境温度、组件

伴随着全球气候变化问题日益严重，我国于2020年提

温度、气压、相对湿度等因素和实际的发电功率数据。具体

出2030年“碳达峰”与2060年“碳中和”目标。随着科技

的进步，太阳能已经成为可持续的可再生能源，而且它在光列举该市某天采集的数据如图1所示。

伏发电方面也有着巨大的潜力。然而，由于其容易受到外界

条件的变化，若不进行有效的调整，就会给电力市场带来不

可估量的损失。所以，正确地预估光伏发电的效益，以及减

少不必要的损失，对确保电力市场的安全性至关重要。为了

提高和改善光伏发电的精度，国内外很多学者做了相关的研

究工作。一些国内学者提出了粒子群算法来改善BP神经网

络的预测性能，但由于其本质特性，仍有很大的改进空间。

乔路丽等人的免疫遗传算法在预测精度上具有优势，但其算

法自身复杂度较高，对资源具有一定要求。总体而言，这些

方法在预测效果方面各有优缺点。

本文采取灰色关联度和高斯混合模型相结合的方法，以图1日辐射影响因素变化趋势图

此来构建相似日模型。选取猎人猎物算法（HPO）和GA算考虑到一年中存在昼夜温差不同的情况，本文通过采取

法来对比分析BP神经网络预测模型结果。通过实验验证，一天中7:30—17:30来进行实验，以此来让实验过程和结果

本文的HPO-BP预测模型在光伏发电预测精度上准确性更高。更加有说服力。通过应用灰色关联度的方法来选取和实际光

1相似日的选取伏发电功率关联程度最密切的参数，具体公式为：

1.1气象因素相关性分析

（1）

本文选取某市光伏发电站2021年1月1日—2021年12