杨昊岩 张海龙

（1.广西大学电气工程学院，广西 南宁 530004；2.广西电力职业技术学院，广西 南宁 530007）

光伏发电易受其运行环境的影响，波动较大，因而给光伏高渗透率的电网增加了调度的难度和复杂性[1]。准确预测光伏发电功率将减少这些不利因素对电网的影响，提高系统运行效率和经济效益[2]。国内外研究学者在短期光伏发电预测领域取得了一定的研究成果，如，文献[3]运用经验模态分解法识别不同的天气状态并建立对应的光伏发电预测模型；文献[4]采用灰色系统对神经网络预测模型进行修正，提高了BP神经网络（BPNN）的拟合能力，用以提高预测精度；文献[5]结合地基云图和RBF神经网络（RBFNN）实现了超短期光伏发电功率预测，该模型能够较好地实现对发电“突变”的预测，但需要十分庞大的气象数据作为支撑。

本文通过灰色关联分析，选取与待测日气象特征相似程度较高的历史日，采用思维进化算法对BP神经网络进行改进，改善了BP神经网络泛化能力差、易于陷入局部最优等缺点。以温度、辐照度、风速、相对湿度和历史发电量作为输入因子，对晴天、阴天、雨天三种天气类型的光伏发电功率进行预测。结果表明，本文所提的结合相似日与思维进化算法优化神经网络的短期光伏发电（SDS-MEABP）预测方法比BP神经网络和RBF神经网络的预测精度更高。

1 光伏发电影响因素分析

太阳辐照强度直接影响光伏电池获得太阳能总量的大小，大气温度通过改变光伏电池表面温度影响光伏电池最大功率点输出电压。……