张 洁，郝倩男

(南京邮电大学 计算机学院，江苏 南京 210023)

0 引 言

传统化石能源危机、环境压力和新能源技术的发展促使寻找新能源成为目前需要迫切解决的现实问题[1]。太阳能作为一种可再生能源，取之不尽用之不竭、分布范围广泛、便于开采、能源利用率高且无污染，相对于其他能源，有着明显的优势，因此作为最有利用价值的可再生能源，引起了国内外政府的广泛关注。光伏发电凭借其无噪声、无污染、不受地域限制、建设周期短等优点，成为太阳能利用的最有效途径，太阳能光伏技术也成为全球发展最快的高新技术之一。

光伏发电的间歇性、随机性和波动性，给电网的安全运行带来了一系列的问题，只有对光伏发电功率进行及时、准确的预测才能有效保证电网运行的安全性、稳定性和可靠性[2]。

光伏发电预测技术经历了几十年的发展，根据建立的数学模型的不同，将现有的预测方法分为物理法和统计法两类[3]。物理法需要气象数据、光伏电站所处地理信息以及光伏组件的参数，根据输出特性曲线计算得到光伏发电量[4]。物理法预测模型的抗干扰能力有限，鲁棒性不强。统计法是通过对历史数据进行统计分析，发现其内在规律，建立起太阳辐照度、温度、湿度等因素和光伏发电功率之间的映射关系并进行预测[5]。常用的预测方法有支持向量机、神经网络、时间序列法、马尔可夫链等。

文献[6]运用增加动量项以及自适应选取最佳隐含层的方法改进传统BP模型，根据不同天气类型进行预测，分析验证了该模型的可行性；……