卢怡含，王　林，晋　飞,刘忠辉，唐　敏

(1.国网昌邑市供电公司,山东 昌邑 261300; 2.国网潍坊供电公司,山东 潍坊 261000)



基于Spiking神经网络的光伏发电系统功率预测

卢怡含1，王林2，晋飞2,刘忠辉2，唐敏2

(1.国网昌邑市供电公司,山东 昌邑 261300; 2.国网潍坊供电公司,山东 潍坊 261000)

针对光伏发电系统输出功率的随机性,提出了一种基于Spiking神经网络的光伏发电功率预测模型,它采用精确脉冲时间的编码方式,能接近真实的生物神经系统,并具有 强大的计算能力。考虑天气类型、太阳辐照强度、环境温度等主要影响因素,采用近似欧式距离 选取相似日的方法,应用实际光伏发电系统的历史发电数据和气象数据对Spiking神经网络、BP神经网络和支持向量机三种预测模型 进行测试和评估。预测结果与实测值的比较表明:Spiking神经网络模型相比于BP神经网络和支持向量机模型具有较高的预测精度和较强的适用性,可作为解决光伏发电系统功率预测可行方法之一。

光伏系统;Spiking神经网络;脉冲响应模型;Spikeprop算法;发电功率预测

光伏发电系统的输出功率受到天气类型、太阳辐照强度和环境温度等因素的影响,其功率的变化具有随机性和波动性,因此有必要对光伏发电系统的输出功率进行准确预测,有效降低大规模光伏接入对电力系统的影响,提高电力系统的安全性和稳定性[1-2]。

目前,针对光伏发电系统输出功率的随机性,国内外提出的用于发电功率预测的传统方法主要是基于数理统计理论……