基于遗传算法优化神经网络的光伏发电预测

2015-01-21黄敏敏颜文俊

机电工程 2015年11期

黄敏敏，颜文俊

(浙江大学电气工程学院，浙江杭州310027)

0 引言

提高短期光伏发电预测水平是光伏发电站并入电网系统关键问题，对提高太阳能光伏发电开发利用、保证并网安全也具有重要意义。

短期光伏功率预测方法可分为两大类:①首先对太阳辐射进行预测，然后根据光电转换效率得到输出功率的间接预测法(物理法);②直接预测输出功率的直接预测法(数学统计法)。对于间接预测，文献［1-2］通过地基云图分析云团对太阳的遮挡情况，提高对光照强度的预测准确度，进而预测光伏电站功率输出。对于直接预测法，文献［3］提出基于马尔可夫链预测光伏电站出力的模型和实现方法。文献［4］利用自回归滑动模型(ARMA)预测并网光伏发电站的晴天出力。文献［5-7］主要运用神经网络及其改进算法对光伏发电功率进行短期预测。

基于以上研究，本研究以浙江大学台州研究院光伏并网发电实验平台为研究对象，通过分析光伏发电量与光照强度、气温、天气类型因子之间的相关性，建立基于遗传算法优化BP 神经网络的光伏发电功率预测模型，提前一天预测光伏输出功率。利用遗传算法对BP 神经网络进行优化，改善BP 神经网络收敛速度慢以及易陷于局部最优问题，提高预测模型精确度。文章最后将所建立预测模型与两种光伏输出功率工程计算模型进行比较，评价预测精度。