杨 磊，高德东*，孟广双，王 珊

(1.青海大学机械工程学院，青海 西宁 810016； 2.唐山工业职业技术学院，河北 唐山 063299)

光伏组件经过一段时间的发电运行会产生热斑、裂纹等故障，而故障的产生会降低组件的输出功率，光伏组件长时间处于故障状态下，可能产生烧结，甚至引发火灾，因此对故障光伏组件的输出功率进行预测具有重要意义。光伏组件输出功率预测模型的建立，可以归纳为以下两类：一是基于电站历史数据建立预测模型。丁明等[1]结合光伏发电系统的历史输出功率和气象信息的短期输出功率，运用改进BP神经网络建立预测模型。王思睿等[2]在历史发电量和气象信息数据的基础上，加入电池板温度作为参考，分析了光伏发电系统输出功率的影响因素，建立了弹性自适应BP神经网络预测模型。陈昌松等[3]在历史发电量数据和气象数据基础上，加入天气预报信息作为参考，建立了BP神经网络的光伏阵列预测模型。虽然基于电站历史数据建模的方法不需要测量太阳辐照强度，但需要光伏发电系统的历史数据作为模型的参数。二是基于太阳辐照度建立预测模型。朱永强等[4]采用最小二乘支持向量机的方法，结合太阳辐照强度、温度、季节以及日类型等因素建立了光伏功率预测模型。Yona等[5]采用前馈神经网络、径向基函数神经网络、递归神经网络三种不同的人工神经网络对太阳辐射强度进行预测，从而对光伏发电系统输出功率进行预测。……