人工智能方法在光伏发电功率预测中的应用研究

光伏发电系统输出功率具有不连续性和不稳定性的特点,并网后会对电网的稳定性造成一定的影响。为了减小光伏发电系统带来的不良影响,光伏发电功率预测已经成为国内外共同关注的焦点。它有利于电网系统的调度,在一定程度上减轻光伏发电对整个电网的不利影响,提高系统的安全性和稳定性,同时减少电力系统的运行成本。 本文采用石家庄某光伏电站的光伏发电数据作为样本数据。首先,对光伏发电功率和太阳辐射强度进行相关性分析,将相关性较大的因素作为预测参考量。同时,介绍了灰色关联度分析,为太阳辐射强度预测模型样本的筛选提供了理论基础。其次,使用BP神经网络对光伏发电功率进行直接预测和间接预测。结果表明,在历史数据有限的条件下,直接预测效果要优于间接预测。再次,采用网格搜索算法优化支持向量机的两个参数。在此基础上建立预测模型,并将预测结果与BP神经网络预测结果进行对比。结果表明,支持向量机预测精度要高于BP神经网络。最后,在.net环境下实现光伏发电功率预测,采用dundas chart控件来进行页面展示。