吴诗芹，陆豪乾

(1．江苏林洋新能源科技有限公司林洋新能源研究院，南京 210004；2．江苏林洋光伏运维有限公司，南京 210004)

0 引言

太阳辐射能是光伏发电系统的唯一能量来源。由于受到昼夜交替、季节更迭、天气变化、地理位置等因素的影响，导致光伏发电具有间歇性、随机性、波动性的特点。因此，准确预测并网型光伏发电系统的输出功率，对电网调度，以及电网的安全稳定和经济高效运行具有重要意义。

目前已有许多预测并网型光伏发电系统输出功率的方法，并以各类神经网络算法及将神经网络算法与粒子群算法、遗传算法等相结合的算法为主[1-2]。而且由于神经网络算法的学习能力与泛化能力较强，该算法得到了更为广泛的应用[3]。

文献[4]提出了一种基于Elman神经网络模型的光伏发电系统输出功率的短期预测方法。结果显示，晴天条件下，该模型的预测精度较高；但在阴雨天气条件下，该模型的预测结果不理想。文献[5]提出了通过提高气象数据的聚类效果来提高训练集与待预测日的相关度，从而提升光伏发电系统输出功率短期预测精度的方法。但由于气象数据维度较多，很难采集到所有维度的气象数据，导致相关度的提高受到限制。文献[6]基于思维进化算法和反向传播(BP)神经网络算法建立了一种光伏发电系统输出功率的短期预测模型，提高了BP神经网络算法的预测精度。但BP神经网络算法易出现局部最优和迭代收敛慢的问题。文献[7]提出了通过对不同时刻气象因子赋予不同的影响权重来改进相似样本的输出选取与特征提取，从而进行光伏发电系统的功率预测。……