文献类型：期刊文章

作　　者：代倩[1] 段善旭[1] 蔡涛[1] 陈昌松[1] 陈正洪[2] 邱纯[1]

机构地区：[1]强电磁工程与新技术国家重点实验室(华中科技大学电气与电子工程学院),湖北省武汉市430074 [2]湖北省气象科技服务中心,湖北省武汉市430074

出　　处：《中国电机工程学报》

基　　金：国家重点基础研究发展计划项目(973项目)(2010CB227206);科技部公益性行业(气象)科研专项(GYHY201006036);中央高校基本科研业务费专项资金资助(HUST2010MS102)~~

年　　份：2011

卷　　号：31

期　　号：34

起止页码：28-35

语　　种：中文

收录情况：AJ、BDHX、BDHX2008、CSCD、CSCD2011_2012、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：现有光伏发电量预测模型大多以太阳辐照度作为必要的输入,然而,由于当前国内太阳辐射站点仍较稀少且预报能力较低,因此此类预报方法难于实施。利用距离分析方法分析光伏发电量与气象因素间的相关性,确定以气温和湿度作为预报输入因子,建立反传播(back propagation,BP)神经网络的无辐照度发电量短期预报模型。此外,为适应天气突变,采用自组织特征映射(self-organizing feature map,SOM)由云量预报信息对天气类型聚类识别,继而对各天气类型采用相应的预测网络,避免了单神经网络的过拟合问题。通过与含辐照度输入及无天气聚类识别的预测模型做交叉对比实验,预测结果表明,天气类型聚类识别能显著提高预测精度,无辐照度光伏发电量短期预测模型有较高的精度和50%湿度抗扰动性。

关 键 词：光伏发电量短期预测  神经网络 气象因素 自组织特征映射聚类  距离分析  

分 类 号：TM615]