基于提升小波-BP神经网络的光伏阵列短期功率预测

发布时间：2019-06-21 03:26

【摘要】：提高光伏阵列的短期功率预测的精度,对光伏电站运营管理效率具有重要作用。文章提出了一种提升小波变换与BP神经网络相结合的直流侧功率输出预测滑移算法,对光伏阵列的超短期功率进行预测。实验结果表明,文章所提出的算法对超短期功率预测具有较高的精度,适用于晴天、多云、阴雨等复杂天气条件。
[Abstract]:Improving the accuracy of short-term power prediction of photovoltaic array plays an important role in the operation and management efficiency of photovoltaic power station. In this paper, a DC side power output prediction slip algorithm based on lifting wavelet transform and BP neural network is proposed to predict the ultra-short-term power of photovoltaic arrays. The experimental results show that the algorithm proposed in this paper has high accuracy for ultra-short-term power prediction and is suitable for sunny days, cloudy, rainy and other complex weather conditions.
【作者单位】： 河海大学机电工程学院;常州市光伏系统集成与生产装备技重点实验室;
【基金】：江苏省自然科学基金(BK20131134) 光伏科学与技术国家重点实验室开放基金课题(201400035879)
【分类号】：TM615;TP183

【参考文献】

相关期刊论文 前7条

1 孙永辉;范磊;卫志农;李慧杰;Kwok W Cheung;孙国强;;基于小波分析和集成学习的光伏输出功率短期预测[J];电力系统及其自动化学报;2016年04期

2 肖迁;李文华;李志刚;刘金龙;刘会巧;;基于改进的小波-BP神经网络的风速和风电功率预测[J];电力系统保护与控制;2014年15期

3 吴雪莲;都洪基;;基于BP神经网络-马尔科夫链的光伏发电预测[J];电工电气;2014年03期

4 崔洋;孙银川;常倬林;;短期太阳能光伏发电预测方法研究进展[J];资源科学;2013年07期

5 罗枚;周灌中;司昌练;;应用小波神经网络进行负荷预测的MATLAB编程仿真[J];航空计算技术;2012年03期

6 陈忠;;基于BP神经网络与遗传算法风电场超短期风速预测优化研究[J];可再生能源;2012年02期

7 杨超;i懻雍牍，

本文编号：2503750