宋人杰，刘福盛，马冬梅，王林

（1.东北电力大学信息工程学院，吉林 吉林 132012；2.国网吉林供电公司信息通信分公司，吉林 吉林 132012）

0 引 言

随着太阳能、风能等可再生能源的开发规模的扩大，新能源发电及其相关技术的发展迅速。对于光伏发电，其受到日照、季节变化及天气波动等气候条件的影响，使得光伏发电系统的输出功率具有间断性和周期性［1-2］。同时由于短时的云量，阴晴等不确定性气象因素的影响，光伏发电系统的短时输出功率与风力发电情况相似，具有高度非线性和随机性的特点，在并网之后将直接影响电网系统的安全、稳定运行［3-4］。因此，对光伏发电系统的输出功率进行预测变得尤为重要，特别是短时、实时的精确预测对电力系统的运行及光伏电站的组件维护及检修有着非常重要的意义。对光伏等新能源发电的超短期预测时效一般为0～4小时之内，用于修正日前短期预测曲线，提高实时预测的精度［5-7］。目前光伏功率超短期预测的方法有典型趋势线性外推法［8］和基于地基云图［9-12］法两类。前者预测方法较为简单，但预测精度不高，受天气影响较大，很难达到实际应用要求。后者预测方法预测精度较高，但运算复杂，需要获知的数据量庞大。

本文提出一种基于相似日和小波神经网络的预测方法，利用相似日光伏功率的相似性确定预测模型所需的历史日数据，减少了训练模型所用数据量。通过自相关分析法引入与预测时刻相邻……