基于神经网络和改进相似日的光伏电站功率预测

发布时间：2023-04-22 01:34

　　为提高光伏电站功率预测的准确率,提出了一种基于SOM神经网络与熵权法优化关联系数的相似日预测模型,利用麻城市某100MW光伏电站的气温、相对湿度、风速及国家气象站日照时数、总云量、低云量等气象要素,采用SOM神经网络推算出预测日的三个相似日,再利用熵权法优化关联系数确定三个相似日的系数求出相似日分辨率为15min的瞬时功率,作为BP神经网络输入对光伏电站进行短期功率预测,并通过与其他四种预测模型的对比分析评估其性能。结果表明,模型的月相对均方根误差、月平均绝对百分比误差分别为5.88%、3.03%,与效果最佳的原理法模型误差接近;基于熵权法优化的关联系数和云量数据的加入对预测准确率有较大提高;模型预测准确率较高,抗扰动能力较强,可集合至本部门开发的预测系统运用到实际中。

【文章页数】：4 页

【文章目录】：
1 引言
2 研究方法
    2.1 SOM神经网络
    2.2 基于熵权法优化的关联系数
    2.3 光伏发电功率预测方法
3 光伏电站功率预测结果与分析
    3.1 气象特征向量的确定
    3.2 相似日选取
    3.3 预测结果及性能评估
4 结论



本文编号：3796650