基于小波变换和神经网络的光伏功率预测

被引：14

作者：

张立影 ^{[1
]}

刘智昱 ^{[2
]}

孟令甲 ^{[3
]}

王泽忠 ^{[1
]}

机构：

[1] 华北电力大学电子与电子工程学院

[2] 国网河南省电力公司新乡供电公司

[3] 石家庄铁道大学四方学院电气工程系

来源：

可再生能源 | 2015年 / 02期

关键词：

神经网络; 小波变换; 光伏发电; 功率预测; 气象因素;

D O I：

10.13941/j.cnki.21-1469/tk.2015.02.003

中图分类号：

TM615 [太阳能发电];

学科分类号：

0807 ;

摘要：

提出了一种小波分解(Wavelet Transform,WT)和径向基函数神经网络(RBFNN)相结合的预测方法,并引入理论太阳辐照量、温度和相对湿度数据来预测未来24 h光伏电站的输出功率。小波分解能有效地表征光伏电站输出功率时间序列的局部特征,人工智能方法可以捕捉到光伏发电中的非线性特性。预测结果表明,采用该方法预测光伏电站输出功率,能有效地提高预测精度。

引用

页码：171 / 176

页数：6

共 14 条

[1] 小波-RBF短期风电功率预测 [J].