基于提升小波-BP神经网络的光伏阵列短期功率预测

被引：36

作者：

丁坤 ^{[1
,2
]}

丁汉祥 ^{[1
]}

王越 ^{[1
]}

高列 ^{[1
]}

刘振飞 ^{[1
]}

机构：

[1] 河海大学机电工程学院

[2] 常州市光伏系统集成与生产装备技重点实验室

来源：

可再生能源 | 2017年 / 04期

关键词：

短期功率预测; 小波变换; BP神经网络; 直流侧功率;

D O I：

暂无

中图分类号：

TM615 [太阳能发电]; TP183 [人工神经网络与计算];

学科分类号：

080811 [新能源发电与电能存储]; 140502 [人工智能];

摘要：

提高光伏阵列的短期功率预测的精度,对光伏电站运营管理效率具有重要作用。文章提出了一种提升小波变换与BP神经网络相结合的直流侧功率输出预测滑移算法,对光伏阵列的超短期功率进行预测。实验结果表明,文章所提出的算法对超短期功率预测具有较高的精度,适用于晴天、多云、阴雨等复杂天气条件。

引用

页码：566 / 571

页数：6

共 7 条

[1]

基于小波分析和集成学习的光伏输出功率短期预测 [J].

孙永辉 ;

范磊 ;

卫志农 ;

李慧杰 ;

Kwok W Cheung ;

孙国强 .

电力系统及其自动化学报, 2016, 28 (04) :6-11+30

[2]

基于改进的小波-BP神经网络的风速和风电功率预测 [J].

肖迁 ;

李文华 ;

李志刚 ;

刘金龙 ;

刘会巧 .

电力系统保护与控制, 2014, 42 (15) :80-86

[3]

基于BP神经网络-马尔科夫链的光伏发电预测 [J].

吴雪莲 ;

都洪基 .

电工电气, 2014, (03) :22-27

[4]

短期太阳能光伏发电预测方法研究进展 [J].

崔洋 ;

孙银川 ;

常倬林 .

资源科学, 2013, 35 (07) :1474-1481

[5]

应用小波神经网络进行负荷预测的MATLAB编程仿真 [J].

罗枚 ;

周灌中 ;

司昌练 .

航空计算技术, 2012, 42 (03) :18-19+25

[6]

基于BP神经网络与遗传算法风电场超短期风速预测优化研究 [J].

陈忠 .

可再生能源, 2012, (02) :32-36

[7]

太阳能光伏发电系统发电量的预测方法 [J].

杨超 ;

榑沼弘贵 .

智能建筑电气技术, 2011, 5 (02) :29-34

← 1 →