基于EEMD和BP神经网络的短期光伏功率预测模型

被引：35

作者：

于群

朴在林

胡博

机构：

[1] 沈阳农业大学信息与电气工程学院

来源：

电网与清洁能源 | 2016年 / 32卷 / 07期

关键词：

光伏功率预测; 集合经验模态分解; BP神经网络; 游程检验法; 组合预测模型;

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：

0807 ; 081104 ; 0812 ; 0835 ; 1405 ;

摘要：

为了实现对并网型光伏电站调度,提出了一种基于集合经验模态能分解(EEMD)与BP神经网络的短期光伏出力的组合预测模型。利用集合经验模态分解将光伏出力序列分解,得到本征模函数分量IMF和剩余分量Res,降低序列的非平稳性。采用游程检验法优化因IMF分量数量多造成的建模过程复杂的问题,针对优化后的分量分别建立相应的BP神经网络预测模型。利用该方法对额定容量为40 k W的光伏系统进行预测,并与EMD-BP神经网络和传统的BP神经网络模型进行比较分析。结果表明,所提出的方法有效地提高了预测精度。

引用

收藏

页码：132 / 137

页数：6

相关论文

共 17 条

[1] 基于BP神经网络的光伏组件故障类型诊断 [J].

杨店飞 ;

郭宇杰 ;

沈桂鹏 .

陕西电力, 2016, 44 (02) :15-21

[2] 基于EMD和ABC-SVM的光伏并网系统输出功率预测研究 [J].

高相铭 ;

杨世凤 ;

潘三博 .

电力系统保护与控制, 2015, 43 (21) :86-92

[3] 基于BP神经网络的充放电机故障诊断 [J].

朱金大 ;

陈良亮 ;

张卫国 .

电网与清洁能源, 2015, 31 (10) :1-3

[4] 基于GA-BP和POS-BP神经网络的光伏电站出力短期预测 [J].

姚仲敏 ;

潘飞 ;

沈玉会 ;

吴金秋 ;

于晓红 .

电力系统保护与控制, 2015, 43 (20) :83-89

[5] 基于EEMD和ARCH的风电功率超短期预测 [J].

李乐 ;

刘天琪 ;

陈振寰 ;

王福军 ;

关铁英 ;

何川 ;

吴星 .

电测与仪表, 2015, 52 (18) :16-21

[6] 基于EEMD-LSSVM的超短期负荷预测 [J].

王新 ;

孟玲玲 .

电力系统保护与控制, 2015, 43 (01) :61-66

[7] 基于集合经验模态分解和改进极限学习机的短期风速组合预测研究 [J].

张翌晖 ;

王贺 ;

胡志坚 ;

王凯 ;

黄东山 ;

宁文辉 ;

张承学 .

电力系统保护与控制, 2014, 42 (10) :29-34

[8] 基于EEMD-SVM方法的光伏电站短期出力预测 [J].

茆美琴 ;

龚文剑 ;

张榴晨 ;

曹雨 ;

徐海波 .

中国电机工程学报, 2013, 33 (34) :17-24+5

[9] 基于集合经验模态分解和小波神经网络的短期风功率组合预测 [J].

王贺 ;

胡志坚 ;

陈珍 ;

仉梦林 ;

贺建波 ;

李晨 .

电工技术学报, 2013, 28 (09) :137-144

[10] 一种综合ANFIS和PCA的光伏发电功率预测新方法 [J].

郑凌蔚 ;

刘士荣 ;

毛军科 ;

谢小高 .

太阳能学报, 2012, 33 (06) :993-1001