刘爱国，黄泽平，薛云涛，汪硕承

（南昌大学 信息工程学院，南昌 330031）

0 引 言

微网（Microgrids）作为一种整合利用分布式电源的有效形式，既能有效地将储能系统、可再生能源、负荷等整合，又可以提高电力系统的可靠性、灵活性和经济性，同时减小输配电损耗［1］。然而微网中可再生能源的能量输出具有间歇性和随机性，导致电力系统调度难度和运行风险增大［2］，因此准确预知光伏微源在未来特定时段内的发电功率，对经济调度、电力交易和最优潮流等有着重要意义［3］。

目前，对光伏发电短期预测应用的统计方法主要包括时间序列法、神经网络、回归模型等［4-5］。文献［6］综合了历史发电量与当天气象数据考虑，采用神经网络方法，建立了根据每天天气预报为基础的光伏发电功率预测网络模型，明显降低对次日出现变化天气时发电功率的预测误差，但无法对天气类型变化频繁的天气实现逐时预报；文献［7］提出选取相似日方法，综合了气象数据共同作为发电预测网络模型的学习样本，采用最小二乘支持向量机算法进行预测，能有效提高预测精度；文献［8］利用马尔可夫链，根据光伏电站发电功率历史数据，建立了光伏输出功率预测模型，并推导证明该数学模型的可行性，通过调整模型参数获得了更精确的结果；文献［9］给出了基于短期负荷预测的微网蓄能系统主动调控方案，通过主动调控蓄能系统的充电和放电，优化了负荷曲线，能有效提高光伏的发电效率。……