基于天气类型聚类识别的光伏系统短期无辐照度发电预测模型研究
现有光伏发电量预测模型大多以太阳辐照度作为必要的输入,然而,由于当前国内太阳辐射站点仍较稀少且预报能力较低,因此此类预报方法难于实施。利用距离分析方法分析光伏发电量与气象因素间的相关性,确定以气温和湿度作为预报输入因子,建立反传播(back propagation,BP)神经网络的无辐照度发电量短期预报模型。此外,为适应天气突变,采用自组织特征映射(self-organizing feature map,SOM)由云量预报信息对天气类型聚类识别,继而对各天气类型采用相应的预测网络,避免了单神经网络的过拟合问题。通过与含辐照度输入及无天气聚类识别的预测模型做交叉对比实验,预测结果表明,天气类型聚类识别能显著提高预测精度,无辐照度光伏发电量短期预测模型有较高的精度和50%湿度抗扰动性。
光伏发电量短期预测、神经网络、气象因素、自组织特征映射聚类、距离分析
31
TM615(发电、发电厂)
国家重点基础研究发展计划项目973项目2010CB227206;科技部公益性行业气象科研专项GYHY201006036;中央高校基本科研业务费专项资金资助HUST2010MS102
2012-04-21(万方平台首次上网日期,不代表论文的发表时间)
共8页
28-35