基于改进的广义回归神经网络短期光伏发电功率预测

摘要

伴随着全世界的能源经济的高速发展，人们对于传统能源的应用需求量与日俱增，能源方面巨大的需求一方面带来不可再生能源的日渐枯竭，另一方面会引起环境污染，破坏生活和工作的环境。为了缓解环境污染问题以及传统化石能源的日渐短缺的问题，人们对于寻找可再生能源作出积极的尝试与努力，在未来，清洁能源有望替代不可再生能源。太阳能是一种可再生能源，分布范围广泛、能源利用率高、便于开采且无污染，相对于其他能源，有明显的优势。但是光伏发电功率受气象等因素影响，有明显的随机性，给大规模光伏电站的安全稳定运行带来严峻挑战，因此需要提高太阳能光伏发电输出功率的预测准确度，本文的研究重点主要围绕太阳能光伏发电功率的相关预测方法展开。 首先，从研究光伏发电功率预测[13]方法的必要性以及重要性入手，简单介绍了世界太阳能光伏产业的发展现状，对目前的光伏功率预测算法进行了归类。分析了发电系统原理以及系统构造，对光伏发电系统的阵列模型进行了严格的数学分析，并且在理论分析的基础上，对光伏发电功率的几个影响因素进行了描述，为预测功率奠定了理论基础。 其次，对目前几个主要的太阳能光伏的预测方法进行了对比分析，提出预测方法的评价指标。分析了异常数据的相关原理，提出基于时间序列的新的异常数据检测方法，并对实验的原始数据进行了异常检测。 最后，研究了广义回归神经网络算法，由于传统的GRNN存在两方面问题：其一，当数据量很大时算法的运行相对较慢；其二，单一参数使得无法动态更新系统。因此，本文提出基于模糊C均值聚类算法以及混沌优化算法的改进的广义回归神经网络预测模型，通过此模型对样本进行测试，验证了本文所提算法的合理性。

目录

第一个书签之前