人工智能方法在光伏發(fā)電功率預(yù)測中的應(yīng)用研究.pdf

1、光伏發(fā)電系統(tǒng)輸出功率具有不連續(xù)性和不穩(wěn)定性的特點(diǎn)，并網(wǎng)后會對電網(wǎng)的穩(wěn)定性造成一定的影響。為了減小光伏發(fā)電系統(tǒng)帶來的不良影響，光伏發(fā)電功率預(yù)測已經(jīng)成為國內(nèi)外共同關(guān)注的焦點(diǎn)。它有利于電網(wǎng)系統(tǒng)的調(diào)度，在一定程度上減輕光伏發(fā)電對整個電網(wǎng)的不利影響，提高系統(tǒng)的安全性和穩(wěn)定性，同時減少電力系統(tǒng)的運(yùn)行成本。
　　本文采用石家莊某光伏電站的光伏發(fā)電數(shù)據(jù)作為樣本數(shù)據(jù)。首先，對光伏發(fā)電功率和太陽輻射強(qiáng)度進(jìn)行相關(guān)性分析，將相關(guān)性較大的因素作為預(yù)測參考量

2、。同時，介紹了灰色關(guān)聯(lián)度分析，為太陽輻射強(qiáng)度預(yù)測模型樣本的篩選提供了理論基礎(chǔ)。其次，使用BP神經(jīng)網(wǎng)絡(luò)對光伏發(fā)電功率進(jìn)行直接預(yù)測和間接預(yù)測。結(jié)果表明，在歷史數(shù)據(jù)有限的條件下，直接預(yù)測效果要優(yōu)于間接預(yù)測。再次，采用網(wǎng)格搜索算法優(yōu)化支持向量機(jī)的兩個參數(shù)。在此基礎(chǔ)上建立預(yù)測模型，并將預(yù)測結(jié)果與BP神經(jīng)網(wǎng)絡(luò)預(yù)測結(jié)果進(jìn)行對比。結(jié)果表明，支持向量機(jī)預(yù)測精度要高于BP神經(jīng)網(wǎng)絡(luò)。最后，在.net環(huán)境下實(shí)現(xiàn)光伏發(fā)電功率預(yù)測，采用dundaschart控件來