基于改进灰色神经网络组合模型的光伏电站短期出力预测

被引：17

作者：

刘博洋 ^{[1
]}

潘宇 ^{[1
]}

许伯阳 ^{[1
]}

刘文 ^{[1
]}

李焕奇 ^{[2
]}

王苏 ^{[3
]}

机构：

[1] 东北电力大学电气工程学院

[2] 国网吉林省电力有限公司吉林供电公司

[3] 国网浙江德清县供电公司

来源：

广东电力 | 2017年 / 30卷 / 04期

关键词：

光伏短期预测; 灰色模型; 神经网络模型; 平滑处理; 粒子群算法;

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 ;

摘要：

针对单一灰色模型和神经网络模型自身的缺陷对传统灰色神经网络组合模型预测精度的影响问题,提出一种基于改进的灰色神经网络组合模型的光伏电站短期出力预测方法。通过把历史日最高和最低气温以及功率数据作为输入,将改进后的单一灰色模型和神经网络模型进行串联组合。采用粒子群优化算法对该组合模型的权值和阈值进行优化,得到改进的灰色神经网络组合模型,可实现提前一天功率预测。某光伏电站群的实测数据验证了该预测方法能够有效提高预测精度。

引用

页码：55 / 60

页数：6

共 11 条

[1]

灰色神经网络模型的建立及其在复杂非线性预测问题中的应用.[D].王汉林.吉林大学.2004, 04

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