文献类型：期刊文章

作　　者：耿亮[1,2] 郭晓飞[3] 孙建起[2] 张海强[1] 刘振永[2] 李航[2] 王毅腾[2]

GENG Liang;GUO Xiao-fei;SUN Jian-qi;ZHANG Hai-qiang;LIU Zhen-yong;LI Hang;WANG Yi-teng(Logistics Division,Shijiazhuang University,Shijiazhuang, Hebei 050035, China;School of Physics & Electrical Information Engineering,Shijiazhuang University,Shijiazhuang, Hebei 050035, China;Library, Shijiazhuang University,Shijiazhuang, Hebei 050035, China)

机构地区：[1]石家庄学院后勤管理处,河北石家庄050035 [2]石家庄学院物理与电气信息工程学院,河北石家庄050035 [3]石家庄学院图书馆,河北石家庄050035

出　　处：《石家庄学院学报》

基　　金：石家庄学院科研启动基金(2015QN003);石家庄学院科研团队项目(XJTD004);河北省高等学校科学技术研究重点项目(ZD2015210)

年　　份：2016

卷　　号：18

期　　号：6

起止页码：39-43

语　　种：中文

收录情况：NSSD、普通刊

摘　　要：为了提升光伏发电功率预测模型的精度和增强其对多变天气的适应能力,提出了采用基于天气预报的灰色关联相似日样本选取与混合神经网络相结合的光伏发电功率预测模型.相似日选取以辐射强度的影响因素为依据,采用晴天理论太阳辐射强度、空气污染指数、云量、湿度4个变量,通过灰色关联选出与预测日较为接近的历史数据构成样本子集.建立混合神经网络,对选出的样本子集进行天气要素扩充并训练模型,代入预测日特征向量完成预测.为检验该模型的精确性和鲁棒性,通过实例与常见BP神经网络模型进行预测结果对比,显示了新模型在光伏发电功率预测的良好应用前景.

关 键 词：模拟退火优化算法  粒子群算法 灰色关联 混合神经网络 相似日

分 类 号：TM615]