基于小波变换与神经网络的光伏电站短期功率预测

被引：65

作者：

杨丽薇 ^{[1
]}

高晓清 ^{[1
]}

蒋俊霞 ^{[1
,2
]}

吕清泉 ^{[3
]}

李振朝 ^{[1
]}

机构：

[1] 中国科学院西北生态环境资源研究院中国科学院寒旱区陆面过程与气候变化重点实验室

[2] 中国科学院大学

[3] 甘肃省电力公司风电技术中心

来源：

太阳能学报 | 2020年 / 41卷 / 07期

基金：

国家重点研发计划;

关键词：

光伏电站; 预测; 小波变换; 神经网络; 太阳能; 可再生能源;

D O I：

10.19912/j.0254-0096.2020.07.023

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：

选取具有广阔发展前景的西北荒漠地区(敦煌)10 MW光伏电站为研究对象,采用小波分解与BP神经网络的组合算法,预测相同天气类型下的光伏电站短期功率输出,并与实测光伏电站功率输出对比。结果表明:该模型对于晴天和多云天的光伏功率输出预测是有效的,而西北地区,阴雨天样本极少,因此阴雨天和突变天的功率预测精度还有待提高。该方法在满足光伏发电工程要求的计算精度下,数据量和计算量较小,属于轻量化的计算模型,可为光伏发电工程的发电管理提供支持。

引用

页码：152 / 157

页数：6

共 17 条

[1]

基于Elman算法的光伏阵列的短期功率预测研究 [J].