程泽，韩丽洁，李思宇，巩力

(天津大学电气与自动化工程学院，天津市300072)

0 引言

随着全球范围内化石能源紧缺和环境污染等问题的日益突出，开发利用新能源和可再生能源，己成为21世纪的重大课题。太阳能是绿色可再生能源，光伏并网不仅能缓解能源危机，并且可以改善生态环境［1］。但是并网光伏发电系统输出功率具有固有的间歇性和不可控等缺点，对电力系统安全性、稳定性和经济运行会造成冲击，因此，光伏阵列发电预测的研究对于电网安全经济调度和光伏发电系统的正常运行都有重大意义。

近10年来，在光伏输出功率预测方面取得了一些成果。目前常用的预测方法主要有人工神经网络方法(artificial neural network，ANN)［2-6］、支持向量机(support vector machine ，SVM)［7-11］、时间序列法(time series method，TSM)［12-13］、马尔科夫链［14-15］等，其中基于ANN和SVM的光伏发电预测的研究较为普遍。文献［2］分别采用前向反馈神经网络(feedforward neural network，FFNN)、径向基函数神经网络(radial basis function neural network，RBFNN)和递归神经网络(recurrent neural network，RNN)3种神经网络算法预测太阳辐射强度，通过与实测值进行比较，选择了RNN对光伏出力进行间接预测。文献［3-4］提出一种基于神经网络与关联数据的光伏发电功率预测方法，通过降低输入维数对辐照度ANN预测模型进行改进，减少了输入各分量间的多重耦合，提高了预测精度。文献［5-6］分析了辐照度、温度和天气类型对光伏电站输出功率的影响，通过统计与预测日相似天气条件下整点时刻的光伏出力，建立了各时刻出力的灰色模型，然后利用灰色模型的输出和实测出力值建立ANN预测模型。……