基于GA-ELM神经网络的逐时太阳辐照量预测
2016-12-22徐静黄南天王文婷戚佳金徐世兵于志勇
徐静,黄南天,王文婷,戚佳金,徐世兵,于志勇
(1.东北电力大学电气工程学院,吉林吉林 132012;2.国网杭州市电力局,浙江杭州310009;3.河北师范大学,河北石家庄 050000;4.国网新疆电力公司经济技术研究院,新疆乌鲁木齐 830011)
基于GA-ELM神经网络的逐时太阳辐照量预测
徐静1,黄南天1,王文婷1,戚佳金2,徐世兵3,于志勇4
(1.东北电力大学电气工程学院,吉林吉林 132012;2.国网杭州市电力局,浙江杭州310009;3.河北师范大学,河北石家庄 050000;4.国网新疆电力公司经济技术研究院,新疆乌鲁木齐 830011)
太阳能辐照量是影响光伏发电的主要因素,准确的太阳能辐照量预测对于光伏发电具有重要的作用。为提高预测模型对环境因素的敏感性与预测精度,提出基于遗传算法(genetic algorithm,GA)改进极限学习机(extreme learning machine,ELM)的太阳辐照量预测方法。首先,选取与太阳能辐照量相关的候选属性因素,确定输入变量;其次,以2009年到2014年与待预测日相同日期前后15 d范围内数据为训练集;再次,采用GA优化ELM的隐含层输入权值及偏置向量;最后,采用优化后的GA-ELM模型,开展逐时太阳辐照预测模型。实测算例表明,相较ELM、BP神经网络,新方法具有更高的预测精度,能够适应外界气象条件突变情况下的辐照预测需要。
太阳能;辐照量;GA-ELM;精度
大量光伏电源并网后,其输出功率波动性、随机性为电力系统稳定与经济运行带来了更大的挑战。太阳能辐照量是影响光伏系统出力的最主要因素,由太阳能辐照量可以比较准确地计算出集中式分布式光伏出力。但是,辐照易受云量、湿度、温度等环境因素的影响,具有显著的不稳定性和随机性。……
