计及光伏电站功率预测的电力系统优化分析

摘要：

光伏功率预测多采用间接预测法,由预测太阳辐照度数值结合光转电模型来预测光伏出力.为了解决传统BP算法在短期太阳辐照度预测中易陷入局部最优和收敛速度慢的问题,引入了自适应调节学习率和陡度因子建立太阳辐照度预测模型.在双极性Sigmoid函数中加入陡度因子以提高BP算法的收敛速度,为了便于数据处理将输入数据归一在[-1,1],同时引入自适应调节学习率以调整网络权值,提高收敛性能.为了研究含光伏电站的电力系统优化问题,建立了系统日综合成本最小和日废气排放量最少的双目标优化模型,并采用双目标细菌群体趋药性算法进行优化.算例证明:改进BP神经网络算法能有效地提高预测精度,增强神经网络模型的泛化能力,具有较好的实用性;预测光伏出力能够统筹安排机组出力,合理消纳光伏资源.

关键词：太阳辐照度预测、改进BP神经网络、自适应调节学习率、双目标优化、预测值比较

所属期刊栏目：46

资助基金：National Natural Science Foundation of China61573303;Natural Science Foundation of Hebei Province No. E2016203092. 国家自然科学基金资助项目61573303;河北省自然科学基金资助项目E2016203092

在线出版日期：2018-03-06（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：117-123