基于LVQ-GA-BP神经网络光伏电站出力短期预测

被引：50

作者：

罗建春 ^{[1
]}

晁勤 ^{[2
]}

罗洪 ^{[1
]}

冉鸿 ^{[1
]}

杨杰 ^{[1
]}

罗庆 ^{[2
]}

阿里努尔阿木提 ^{[2
]}

机构：

[1] 国网重庆武隆县供电有限责任公司

[2] 新疆大学电气工程学院

来源：

电力系统保护与控制 | 2014年 / 42卷 / 13期

基金：

高等学校博士学科点专项科研基金;

关键词：

光伏出力预测; LVQ-GA-BP预测模型; 气象因素; 神经网络;

D O I：

暂无

中图分类号：

TM615 [太阳能发电];

学科分类号：

0807 ;

摘要：

为了实现对大规模并网型光伏电站调度,分析影响光伏出力的气象相关因素,以光照强度和温度作为输入量,分季节建立了一种基于LVQ-GA-BP神经网络预测系统。通过LVQ(Learning Vector Quantization)神经网络对样本进行分类,将分类后的样本训练,得出基于BP神经网络光伏电站出力预测系统,从而提高光伏预测精度。采用GA算法替代传统的学习算法优化BP神经网络的权值和阀值,提高预测网络的训练速度。将建立的LVQ-GA-BP预测系统与传统系统进行了比较和分析,结果表明:该方法的建立,不仅提高了光伏出力的预测精度,而且还提高了BP神经网络的训练速度,具有潜在的工程应用价值。

引用

页码：89 / 94

页数：6

共 8 条

[1] 光伏并网系统中直流注入问题最新进展及发展趋势 [J].