陈 玉，吴长林，高文根，2

（1.高端装备先进感知与智能控制教育部重点实验室（安徽工程大学），安徽 芜湖 241000；2.安徽工程大学电气工程学院，安徽 芜湖 241000）

引言

随着全球经济的快速发展，能源需求也在快速增长。传统化石能源日趋枯竭，气候变暖和环境污染问题相当严峻。太阳能、风能等作为可再生的清洁能源，开始受到人们的重视。利用可再生能源如太阳能、风能发电在全球发展迅速［1］。因为光伏并网规模的不断扩大，太阳能的随机性、波动性和不确定性对电力系统的安全性和稳定性产生了影响。目前，解决这个问题的重要的方法是进行光伏功率预测，根据光伏发电系统的历史数据和影响光伏发电的气象因素，预测光伏发电的变化趋势，以此提高系统的安全性、可靠性。

光伏发电的预测方法有很多，主要可归类为神经网络预测法［2-6］、时间序列预测法［7-8］和支持向量机法［9-12］等。为了提高预测精度，国内外众多学者在分析太阳能辐射强度、温度等气象因素对光伏发电功率的影响的基础上，采用神经网络算法建立光伏发电功率预测模型，以此预测未来光伏发电功率。如：文献［13］针对气象因子对功率输出的影响，将基于天气类型与BP神经网络结合的模型，对相似气象条件的同时输出功率的相关性较强；文献［14］考虑太阳能辐射强度和温度对光伏发电功率的影响，选取相似日并将其太阳能辐射度和温度设置为输入量，采用基于遗传算法-模糊径向基神经网络模型预测光伏发电功率；……