基于人工智能算法的能源光伏发电量预测.pdfVIP

第23卷第3期2025年6月

Vol.23No.3Jun.2025

第3期

基于人工智能算法的能源光伏发电量预测

赵云

（国家电投集团山东能源发展有限公司，山东烟台264003）

摘要：随着光伏发电的广泛应用，其受气象因素影响的波动性对电网调度提出挑战。基于模糊神

经网络的预测模型构建晴天、阴天、雨天3种子模型，以太阳辐照度、环境温度、相对湿度、风速、水面

蒸发量作为输入变量，采用5-12-1结构的神经网络进行建模与训练。实验结果表明：在光照强度、电

池温度、大气温度等条件下，非晶硅系统的光电转换效率在相对湿度条件下表现最佳。小波神经网络

在多晶硅和非晶硅系统中精度更高，验证了模型对气象变化的适应性与预测优势。

关键词：光伏发电预测；模糊神经网络；BP神经网络；小波神经网络；天气分类

中图分类号：TM615文献标识码：B文章编号：2096-7691（2025）03-057-05

高精度，减少误差累积。

0引言

4500

1晴天

40002晴天

随着太阳能的大规模推广，光伏并网趋势愈加明35003雨天

4雨天

显，太阳能发电已成为全球增长最快的能源形式之W30005阴天

k

/6阴天

［1-3］率2500

一。受福岛核事故影响，日本政府出台稳定电价政功

出2000

策，大力推动光伏产业发展，欧洲与美国等国家也在输1500

［4-5］1000

政策引导下快速扩张。在能源危机与环境污染日

500

［6-7］

益加剧的背景下，光伏并网技术持续发展。由于光0

1471013161922252831343740434649525558

伏发电具有波动性和不确定性，可能影响电网调度与样本