王思睿，薛云灿，李 彬，邓立华，顾 菁（河海大学物联网工程学院，常州　213022）



基于BP神经网络的光伏发电预测模型设计

王思睿，薛云灿，李 彬，邓立华，顾 菁
（河海大学物联网工程学院，常州213022）

摘 要：结合历史发电量和气象数据分析了影响光伏系统发电功率的各项因素，针对传统光伏发电预测模型预测精度不高的问题，加入了电池板温度信息作为光伏发电预测模型的输入参考量；针对传统BP神经网络易陷入局部极值的缺陷，提出了基于改进学习率和权值的弹性自适应规则的BP神经网络。采用光伏监控系统历史发电量和气象数据建立了弹性自适应BP神经网络预测模型，对训练好的模型进行了测试和评估。预测结果表明，该预测方法较好地解决了传统BP算法易陷入局部极值的问题，提高了系统预测结果精度。

关键词：BP神经网络；预测模型；气象数据；电池板温度；弹性自适应；局部极值

1 引 言

太阳能作为一种可再生能源，已成为人类使用能源的重要组成部分，并得到不断发展。大规模光伏发电是一种利用太阳能的有效方式，但太阳辐射强度、环境温度和天气类型等因素容易对光伏发电产生非线性影响。这种发电方式在接入电网后必会给电网的安全和管理带来一系列问题。因此，太阳能发电量的预测对电力系统的安全稳定运行有着重要意义。

针对如何建立光伏发电预测模型的问题，许多学者做了大量研究，提出了ARMA模型、多元线性回归模型和神经网络模型等。……