一种基于改进灰色BP神经网络组合的光伏出力预测方法

【摘要】：光伏发电具有典型的间歇性、波动性等特点。准确预测光伏出力对电网调度、电网规划、提升新能源发电竞争力具有重要意义。提出了一种基于改进灰色BP神经网络的多模型组合光伏出力预测方法,采用常规GM(1,1)模型、幂函数变换GM(1,1)模型、基于残差修正的GM(1,1)模型以及等维新息GM(1,1)四种模型,利用BP神经网络对光伏出力的单一灰色预测结果进行优化组合输出,并根据输出值和期望值的偏差自动调整组合权值。该方法通过将多个单一预测结果组合成样本训练BP神经网络来获得较优权系数,避免了数值求解权系数的复杂过程,能够得到更为精确的预测结果。采用湖北某地光伏系统实际出力数据对该预测方法进行了验证。计算结果表明该基于改进灰色BP神经网络组合的光伏出力预测方法能够明显提高光伏出力预测精度。 【作者单位】： 武汉大学电气工程学院;湖北省电力公司运营监测(控)中心;
【关键词】： BP神经网络 组合权重 灰色模型 光伏出力预测 模糊c-均值
【基金】：国家自然科学基金项目(51277135,50707021) 湖北省电力公司科技项目资助~~
【分类号】：TM615;TP183
【正文快照】： This work is supported by National Natural Science Foundation of China(No.51277135 and No.50707021).0引言目前,地球上的能源直接或间接都是来自太阳,如水力、太阳辐射、风力等,其中太阳能成为取代化石能源的理想能源之一,同时也是光伏发电系统中的清洁可再生的重要动

您可以在本站搜索以下学术论文文献来了解更多相关内容

神经网络组合预报模型及其在汽轮发电机组状态检修中的应用    张志明,程惠涛,徐鸿,胡三高