并網型光伏電站發(fā)電量預測研究.pdf

1、隨著大規(guī)模并網光伏發(fā)電系統(tǒng)容量的增加，為了避免并網光伏發(fā)電系統(tǒng)出力的隨機性和不可控等缺點對電網的沖擊，光伏發(fā)電量(或功率)預報技術開始引起廣泛關注。
　　論文結合光伏電站出力的特點，就光伏系統(tǒng)發(fā)電量數(shù)據(jù)自身規(guī)律性、天氣因素、季節(jié)等對光伏陣列發(fā)電量的影響進行了分析，并用灰色關聯(lián)法定量分析了這些因素的影響能力。為提高預測精度，引入天氣預報信息，并使用模糊和反模糊化技術對氣象信息進行了量化處理。
　　論文將馬爾科夫方法修正的BP神

2、經網絡預測模型運用到對光伏電站進行日發(fā)電量預測，研究表明馬爾科夫與BP模型有機結合，可以實現(xiàn)優(yōu)勢互補，充分挖掘出發(fā)電量數(shù)據(jù)序列的宏觀變化與微觀波動規(guī)律，提高模型的預報精度。
　　論文結合遺傳算法和神經網絡進行光伏逐時發(fā)電量預測，研究表明光伏逐時發(fā)電量采用遺傳神經網絡預測比單獨使用標準BP神經網絡算法精度高。遺傳神經網絡能夠預測不同天氣狀況下的逐時發(fā)電量。
　　論文提出一種基于相似日的多變量灰色預測模型預測光伏逐時發(fā)電量，通過