许童羽，马艺铭, 曹英丽, 唐 瑞，陈俊杰



基于主成分分析和遗传优化BP神经网络的光伏输出功率短期预测

许童羽，马艺铭, 曹英丽, 唐 瑞，陈俊杰

(沈阳农业大学信息与电气工程学院，辽宁 沈阳 110161)

针对光伏系统输出功率的波动性和间歇性特点，提出一种基于主成分分析(PCA)和遗传算法(GA)优化的BP神经网络功率短期预测方法。通过历史功率数据和实时气象因素对输出功率进行直接预测，利用主成分分析法将多个原始变量降维成少数彼此独立的变量，作为神经网络的输入。同时利用遗传算法的全局搜索特性在解空间中定位一个较好的空间，优化BP的初始权值阈值，克服了传统BP神经网络易陷入局部极小点、学习收敛速度慢的问题。通过建立不同预测模型进行对比，验证了所提算法和模型的有效性。

主成分分析；遗传算法；功率预测；BP神经网络；光伏系统

0 引言

随着国家对光伏补贴政策的推进，光伏发电大量并入电网，分布式户用型太阳能发电正在兴起。而我国北方地区秋冬季节的太阳能资源较丰富，有很大的利用价值[1]。因此，通过对北方户用型光伏系统进行输出功率短期预测，能够更合理地制定发电计划与负荷分布规划，对光伏系统的发展有重大意义[2-4]。

目前国内外一些专家学者针对光伏系统输出功率预测问题进行了研究，通常来说，短期功率预测是指预测未来一天或几天内各时刻光伏系统的输出功率，主要有两种方式。第一种是通过分析精细的气象数据和建立光伏发电系统数学模型进行间接预测，需要气象学上的研究作为支撑，在拥有较多光照强度测量站的欧洲比较流行。……