耿亮，郭晓飞，孙建起，张海强，刘振永，李航，王毅腾

（石家庄学院a.后勤管理处；b.物理与电气信息工程学院；c.图书馆，河北石家庄050035）

基于灰色关联和混合神经网络的光伏功率预测

耿亮a，b，郭晓飞c，孙建起b，张海强a，刘振永b，李航b，王毅腾b

（石家庄学院a.后勤管理处；b.物理与电气信息工程学院；c.图书馆，河北石家庄050035）

为了提升光伏发电功率预测模型的精度和增强其对多变天气的适应能力，提出了采用基于天气预报的灰色关联相似日样本选取与混合神经网络相结合的光伏发电功率预测模型.相似日选取以辐射强度的影响因素为依据，采用晴天理论太阳辐射强度、空气污染指数、云量、湿度4个变量，通过灰色关联选出与预测日较为接近的历史数据构成样本子集.建立混合神经网络，对选出的样本子集进行天气要素扩充并训练模型，代入预测日特征向量完成预测.为检验该模型的精确性和鲁棒性，通过实例与常见BP神经网络模型进行预测结果对比，显示了新模型在光伏发电功率预测的良好应用前景.

模拟退火优化算法；粒子群算法；灰色关联；混合神经网络；相似日

0 引言

近年来，在政府政策的大力支持和光伏技术创新推动下，光伏发电在世界范围内新能源市场份额增长迅速.在推进光伏电站建设的过程中，光伏电力受制于天气、季节影响的功率输出的涨落特性以及由此而带来对电网的冲击等问题，越来越引起人们的重视[1-3].为更好的设计……