■张一平 宋红 罗敏 于佳禾 许盛之*

(1.南开大学光电子薄膜器件与技术研究所；2.天津市光电子薄膜器件与技术重点实验室；3.中机华信诚电力工程有限公司； 4.南开大学财务处)

0 引言

随着光伏发电技术的快速发展，光伏发电在能源供给中的占比也有较大提高。光伏发电系统的输出功率对外界环境的依赖性较高，接入电网时，会因光照、温度等环境因素的变化而造成光伏发电系统输出功率的波动，从而对电网的稳定造成一定冲击，影响其电能质量。光伏发电系统的渗透率越高，电力系统的复杂性与风险也就越大。因此，对光伏发电的输出功率进行准确预测有助于调度部门提前做好调度计划和风险规避，以提高电力系统的安全性及光伏发电的竞争力[1]。

相对于传统的预测算法，人工神经网络(Artificial Neural Network，ANN)具有良好的容错性，泛化能力好，适于拟合复杂的非线性关系，应用领域广泛，是当前许多工程领域的研究热点。如今，ANN已成功应用于与工业自动化相关的诸多领域，如模式识别、信号处理、知识工程、专家系统、优化组合、智能控制等[2]。在利用ANN进行预测算法的研究中，需要通过建立组合模型、优化输入神经元结构、改进网络内部算法等方式来解决实际的预测问题[3]。

1 预测算法简介

光伏发电功率预测是以数值天气预报(Numerical Weather Prediction，NWP)的数据或实测数据为基础，结合光伏电站所在地的经纬度、海拔高度及具体的地域特点建立预测模型及算法，实现对未来一定时间段内光伏电站输出功率的预测。……