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

被引：340

作者：

代倩 ^{[1
]}

段善旭 ^{[1
]}

蔡涛 ^{[1
]}

陈昌松 ^{[1
]}

陈正洪 ^{[2
]}

邱纯 ^{[1
]}

机构：

[1] 强电磁工程与新技术国家重点实验室(华中科技大学电气与电子工程学院)

[2] 湖北省气象科技服务中心

来源：

中国电机工程学报 | 2011年 / 31卷 / 34期

基金：

中央高校基本科研业务费专项资金资助;

关键词：

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;

D O I：

暂无

中图分类号：

TM615 [太阳能发电];

学科分类号：

080811 [新能源发电与电能存储];

摘要：

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。

引用

页码：28 / 35

页数：8

共 8 条

[1]

基于神经网络的光伏阵列发电预测模型的设计 [J].