(杭州电子科技大学自动化学院，浙江 杭州310081)

0 引 言

随着光伏发电技术的发展，光伏发电的上网电量在电网中占有一定的比例，但光伏发电随着天气的变化而变化，具有不稳定性，对大电网造成了一定的冲击[1]，为了降低光伏并网对大电网的冲击，光伏发电功率预测受到了各国学者的重视。近年来，国内外对光伏发电预报的研究工作取得了一定的成果。文献[2-5]使用BP神经网络建立了光伏发电预报模型。其中，文献[2-3]分季节建立预测子模型，均以预测日前一天的功率数据结合天气数据作为输入变量，对于日类型不连续的天气类型精度不高;文献[4-5]对天气类型的分类方法进行了研究，对不同天气类型采用了对应的预测网络。相较于前面的方法有一定的改进。文献[6]中给出了大量的实验数据，验证了在光伏发电预测领域Elman神经网络相比于BP神经网络具有计算速度更快、准确性更高的优点。文献[7]首次将极端学习机方法和相似日方法结合建立了预报模型。由于相同日类型的天气类型的发电功率具有相似性，将相似日应用于光伏发电预报中有一定的实际意义。

针对以上问题，本文综合Elman神经网络方法和相似日的方法进行光伏发电功率预测。首先，通过未来一天的天气预报数据从历史气象数据中选取天气相似日，结合相似日的发电功率数据和相似日与预测日的天气数据建立Elman神经网络预测模型进行光伏发电功率短期预测。

1 光伏……

登录APP查看全文