基于多维气象数据和PCA-BP神经网络的光伏发电功率预测

摘要：

太阳能光伏发电受很多随机因素的影响,这使得光伏系统输出功率具有不确定性的特点.光伏系统输出功率的精确预测对电力系统的未来规划、调度管理和运行控制有着重要意义.通过多个渠道搜集多维数的历史气象数据,同时将天气类型分为无云、有云、多云和雨天4类;然后基于反向传播(back propagation,BP)神经网络建立不同气象条件下的光伏发电功率预测模型;最后利用主成分分析(principal component analysis,PCA)对原始气象特征数据进行降维分析和处理,以提高计算速度和精度.仿真算例结果验证了所建立的光伏发电功率预测模型的有效性,而且PCA降维能够降低训练,减少预测的计算时间,并提高预测精度,这表明PCA能适用于未来海量气象大数据下光伏电站短期、超短期的分钟级实时功率预测.

关键词：BP神经网络、光伏发电功率预测、气象大数据、特征降维、主成分分析

所属期刊栏目：33

分类号：TM615(发电、发电厂)

资助基金：国家自然科学基金项目51507126;国家电网公司科技项目SGGSKY00FJJS 1500129.Project Supported by the National Natural Science Foundation of China NSFC51507126;Science and Technology Project of SGCCSGGSKY00FJJS1500129

在线出版日期：2017-11-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：122-129