文献类型：期刊文章

作　　者：姚仲敏[1] 潘飞[1] 沈玉会[1] 吴金秋[1] 于晓红[2]

机构地区：[1]齐齐哈尔大学通信与电子工程学院,黑龙江齐齐哈尔161006 [2]哈尔滨师范大学计算机与信息工程学院,黑龙江哈尔滨150080

出　　处：《电力系统保护与控制》

基　　金：智能教育与信息工程黑龙江省高校重点实验室开放课题(SEIE2014-05);齐齐哈尔市科技局工业攻关项目(GYGG-201106)

年　　份：2015

卷　　号：43

期　　号：20

起止页码：83-89

语　　种：中文

收录情况：BDHX、BDHX2014、CSA、CSA-PROQEUST、CSCD、CSCD_E2015_2016、EI、IC、JST、RCCSE、SCOPUS、UPD、ZGKJHX、核心刊

摘　　要：当前在光伏电站出力短期预测方面较多的采用BP或者优化的BP神经网络算法,存在采用的优化算法单一、缺乏多种优化算法比较选优、预测误差大的问题。基于本地5 k W小型分布式光伏电站,综合考虑影响光伏出力的太阳光辐射强度、环境温度、风速气象相关因素和光伏电站历史发电数据,分别采用BP以及遗传算法和粒子群算法优化的BP神经网络算法—GA-BP和POS-BP构建了晴天、多云、阴雨三种天气条件下光伏出力短期预测模型。实测结果表明,三种神经网络算法预测模型在三种不同天气条件下均达到了一定的预测精度。其中GA-BP、POS-BP相比传统的BP预测模型降低了预测误差,且POS算法相比GA算法对于BP神经网络预测模型的优化效果更好,进一步降低了预测误差,适用性更强。

关 键 词：BP神经网络算法 GA-BP算法 POS-BP算法  光伏发电短期预测  

分 类 号：TM615] TP183]