文献类型：期刊文章

作　　者：孙子涵[1] 姜志海[1] 刘延龙[2] 徐明宇[2]

SUN Zihan;JIANG Zhihai;LIU Yanlong;XU Mingyu(School of Electrical and Electronic Engineering,Shandong University of Technology,Zibo 255000,Shandong,China;Electric Power Research Institute of State Grid Heilongjiang Electric Power Company Limited,Harbin 150030,Heilongjiang,China)

机构地区：[1]山东理工大学电气与电子工程学院,山东淄博255000 [2]国网黑龙江省电力有限公司电力科学研究院,黑龙江哈尔滨150030

出　　处：《电网与清洁能源》

基　　金：国家自然科学基金项目(61571161;62071150)。

年　　份：2022

卷　　号：38

期　　号：6

起止页码：98-103

语　　种：中文

收录情况：BDHX、BDHX2020、IC、JST、RCCSE、ZGKJHX、核心刊

摘　　要：准确地预测光伏发电功率,有利于提高电网系统运行的可靠性和经济性。分析各个气象因素对光伏发电功率的影响,确立了关键的气象因素,并利用小波分析获得气象因子样本集和光伏功率样本集不同频带下的小波系数作为神经网络的输入训练集,结合Elman神经网络建立不同天气条件下的光伏功率预测模型。提出基于自适应遗传算法优化的Elman神经网络模型,优化后的Elman神经网络在晴天、阴天、雨天3种情况下预测值的平均相对误差率分别为5.43%、8.26%、14.15%,相较于Elman神经网络分别降低了13.16%、16.61%、17.33%,改善了Elman神经网络的预测精度,提高了Elman神经网络的学习能力和泛化能力,验证了所提方法的有效性。

关 键 词：光伏功率预测  气象因素 小波变换 改进ELMAN神经网络

分 类 号：TK519]