基于双层Elman神经网络的光伏发电功率预测

被引：18

作者：

曹煜祺 ^{[1
,2
]}

张立梅 ^{[1
]}

白牧可 ^{[3
]}

机构：

[1] 河北农业大学信息科学与技术学院

[2] 河北农业大学机电工程学院

[3] 中国电力科学研究院

来源：

供用电 | 2017年 / 34卷 / 10期

关键词：

光伏发电; 功率预测; Elman神经网络; 误差分析;

D O I：

10.19421/j.cnki.1006-6357.2017.10.002

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：

随着光伏发电规模的不断扩大,光伏发电的波动性对其接入电网带来了很大挑战。文章在光伏发电功率影响因素研究的基础上,提出了一种基于双层Elman神经网络的光伏发电功率预测模型,利用历史辐照度数据、相关气象因子及天气预报数据进行功率预测。仿真分析表明该模型具有良好的预测效果。

引用

页码：8 / 13

页数：6

共 18 条

[1]

Wind speed forecasting approach using secondary decomposition algorithm and Elman neural networks.[J].Hui Liu;Hong-qi Tian;Xi-feng Liang;Yan-fei Li.Applied Energy.2015,

[2]

Estimation of the energy of a PV generator using artificial neural network [J].

Almonacid, F. ;

Rus, C. ;

Perez, P. J. ;

Hontoria, L. .

RENEWABLE ENERGY, 2009, 34 (12) :2743-2750

[3]

人工神经网络理论、设计及应用.[M].韩力群; 编著.化学工业出版社.2007,

[4]

2016-2017年中国光伏回顾与展望 [J].

陈东坡 .

电子产品世界, 2017, 24 (04) :9-11+19

[5]

基于BP神经网络的光伏电站辐照度预测研究 [J].

廖东进 ;

刘晓龙 .

太阳能, 2016, (10) :44-49

[6]

光伏功率预测技术 [J].

龚莺飞 ;

鲁宗相 ;

乔颖 ;

王强 .

电力系统自动化, 2016, 40 (04) :140-151

[7]

基于双层BP神经网络的光伏电站输出功率预测 [J].

张立影 ;

孟令甲 ;

王泽忠 .

电测与仪表, 2015, 52 (11) :31-35

[8]

基于拟牛顿法小波神经网络的光伏发电系统短期功率预测模型 [J].

杨超颖 ;

王金浩 ;

王硕 ;

徐永海 ;

黄浩 .

中国电力, 2014, (06) :117-124

[9]

大规模光伏发电对电力系统影响综述 [J].

丁明 ;

王伟胜 ;

王秀丽 ;

宋云亭 ;

陈得治 ;

孙鸣 .

中国电机工程学报, 2014, 34 (01) :1-14

[10]

基于天气状态模式识别的光伏电站发电功率分类预测方法 [J].

王飞 ;

米增强 ;

甄钊 ;

杨光 ;

周海明 .

中国电机工程学报, 2013, 33 (34) :75-82+14

← 1 2 →