基于Kalman滤波和BP神经网络的光伏超短期功率预测模型

【摘要】：随着光伏电站规模不断扩大,提高光伏发电功率预测精度,将对电网的稳定运行有很大帮助。然而,光伏发电最重要的影响因子辐照度受云量影响很大,随机性很强,特别当多云的时候,变化更是很快速、剧烈,这给光伏超短期功率预测带来困难。为此,本文提出一种基于Kalman滤波和反传播(back propagation,BP)神经网络的光伏超短期功率预测模型,采用地外辐射和Kalman滤波估计辐照度,温度和湿度预测值则通过持续预测法获得,再将这三者作为神经网络的输入来预测未来15min的光伏发电功率。最后,采用连续三日的实际数据验证了本文提出模型的可行性。 【作者单位】： 云南电网公司研究生工作站;云南电力试验研究院(集团)有限公司电力研究院;
【关键词】： Kalman滤波 BP神经网络 地外辐射 光伏超短期预测
【分类号】：TM615.2
【正文快照】： 随着并网光伏电站规模的不断扩大,其发电本身的不确定性、波动性大等问题将对电网的安全经济运行产生负影响。因此,提高光伏发电功率预测的预测精度,并利用预测结果给电网对光伏电站的调度和运行控制提供一定的辅助性依据,将对电网的稳定运行有很大帮助,具有实际意义[1]。不同

您可以在本站搜索以下学术论文文献来了解更多相关内容