王新普，周想凌，邢 杰，杨 军

(1.武汉大学电气工程学院，湖北 武汉 430072；2.湖北省电力公司运营监测(控)中心，湖北 武汉 430077)

一种基于改进灰色BP神经网络组合的光伏出力预测方法

王新普1，周想凌2，邢 杰2，杨 军1

(1.武汉大学电气工程学院，湖北 武汉 430072；2.湖北省电力公司运营监测(控)中心，湖北 武汉 430077)

光伏发电具有典型的间歇性、波动性等特点。准确预测光伏出力对电网调度、电网规划、提升新能源发电竞争力具有重要意义。提出了一种基于改进灰色 BP 神经网络的多模型组合光伏出力预测方法，采用常规 GM(1,1)模型、幂函数变换 GM(1,1)模型、基于残差修正的 GM(1,1)模型以及等维新息 GM(1,1)四种模型，利用 BP 神经网络对光伏出力的单一灰色预测结果进行优化组合输出，并根据输出值和期望值的偏差自动调整组合权值。该方法通过将多个单一预测结果组合成样本训练 BP神经网络来获得较优权系数，避免了数值求解权系数的复杂过程，能够得到更为精确的预测结果。采用湖北某地光伏系统实际出力数据对该预测方法进行了验证。计算结果表明该基于改进灰色BP神经网络组合的光伏出力预测方法能够明显提高光伏出力预测精度。

BP 神经网络；组合权重；灰色模型；光伏出力预测；模糊 c-均值

0 引言

目前，地球上的能源直接或间接都是来自太阳，如水力、太阳辐射、风力等，其中太阳能成为取代化石能源的理想能源之一，同时也是光伏发电系统中的清洁可再生的重要动力能源[1]。光伏发电功率输出受环境影响较大，大规模并网将会给整个电网带来较大的影响[2]。……