文献类型：期刊文章

作　　者：李润泽[1] 郭黎[1,2] 李保平[3] 姜斌[2]

LI Run-ze;GUO Li;LI Bao-Ping;JIANG Bin(College of Information Engineering,Hubei Minzu University,Enshi 445000,China;College of Automation Engineering,Nanjing University of Aeronautics and Astronautics,Zhangjiakou 075000,China;State Power Investment Corporation Limited of Hebei Zhangjiakou Branch,Nanjing 210000,China)

机构地区：[1]湖北民族大学信息工程学院,湖北恩施445000 [2]南京航空航天大学自动化学院,河北张家口075000 [3]国家电投集团河北电力有限公司张家口分公司,江苏南京211106

出　　处：《控制工程》

基　　金：国家自然科学基金(61663008);恩施州科学研究项目(NO.D20180013);博士启动基金(MD2019B006)。

年　　份：2020

卷　　号：27

期　　号：11

起止页码：2016-2022

语　　种：中文

收录情况：BDHX、BDHX2017、CSCD、CSCD_E2019_2020、JST、ZGKJHX、核心刊

摘　　要：太阳能是一种重要的清洁可再生能源,光伏发电可有效缓解现有能源危机和环境问题。然而光伏发电容易受到太阳辐射强度、温度等方面影响,具有明显的随机性和间歇性,对于大型光伏发电发展带来了挑战。本文提出基于模糊宽度学习系统(FuzzyBroad Learning System,FBLS)的光伏发电预测方法,分析模糊宽度学习模型应用于光伏预测的可行性,然后采用FBLS对输入光伏电站历史数据进行离线训练,利用训练好的模型对光伏电站实时采集气象数据进行光伏功率预测。实验结果表明,本文方法在RMSE和MAPE上均有明显降低,既能提高光伏预测精度,也能快速训练模型,解决了传统光伏预测方法复杂、模型训练时间长、网络参数多等缺点,具有明显优良的预测性能。

关 键 词：模糊宽度学习系统  光伏发电预测  机器学习  

分 类 号：TM615]