艾格林，孙永辉，卫志农，葛夕武，孙国强，吴国梁（.河海大学可再生能源发电技术教育部工程研究中心，江苏南京　0098；.南京供电公司，江苏南京　0008）



基于MEA-Elman神经网络的光伏发电功率短期预测

艾格林1，孙永辉1，卫志农1，葛夕武2，孙国强1，吴国梁2
（1.河海大学可再生能源发电技术教育部工程研究中心，江苏南京210098；2.南京供电公司，江苏南京210008）

摘要：为进一步提高光伏发电功率预测的准确度，从而将思维进化算法（MEA）和E1man神经网络相结合，通过MEA优化E1man神经网络权值和阈值，克服了E1man神经网络易陷入局部最优等缺陷。根据光伏发电系统的历史发电数据和气象数据，建立MEA-E1man神经网络预测模型并对其测试。结果表明，与原有光伏预测模型比较，该预测模型能够有效提高光伏预测的有效性和精确性。

关键词：光伏发电系统；功率预测；E1man神经网络；思维进化算法

Project SuPPorted bY Nationa1 Natura1 Science Foundation of China（61104045）；“Thousands Ta1ents Program”SPecia1 SuPPort Project of State Grid（PD71-14-041）.

KEY W0RDS：PV sYstem；Power forecasting；E1man neura1 network；mind evo1utionarY a1gorithm

随着全球能源危机的日益加深，新能源发电得到了广泛的应用与发展。光伏发电是继风力发电之后，作为可代替传统发电的可再生能源发电技术，被寄予厚望［1］。由于光伏发电系统输出功率具有间歇性、随机性、波动性3个明显特征，而且与气象条件密切相关［2］，因此其发电特性与其他发电方式相比差别明显。相对于大电网，光伏发电系统可看作是一个不可控源。提前对光伏输出功率进行预测，并提高预测精度，可以减少电网调度的偏差，减轻光伏发电功率变化的不确定性对电网造成的影响，电力系统的安全性和稳定性得到进一步提高。……