基于模糊神經網絡的光伏發電量短期預測

張 玉 ，萬成偉

（桂林理工大學 機械與控制工程學院，廣西 桂林541006）

基于模糊神經網絡的光伏發電量短期預測

張 玉 ，萬成偉

（桂林理工大學 機械與控制工程學院，廣西 桂林541006）

受天氣狀況、輻照度、溫度、濕度等氣象因素的影響，光伏系統的輸出具有很強的非線性和非平穩性的特點，光伏發電量預測精度較低。該文根據光伏系統的歷史發電數據和實際氣象數據，采用模糊識別與RBF神經網絡相結合的方法，實現光伏系統發電量的短期預測。首先對影響預測結果的氣象因素進行分析，然后按天氣類型進行分類，對不同的天氣類型分別建立模型進行訓練，最后利用此模型預測未來的光伏系統發電量，并通過實驗仿真驗證。預測結果表明，該方法不但減少了模型所需樣本數量而且提高了預測的精度，具有一定的科研價值。

模糊神經網絡；發電量預測；光伏；天氣類型

光伏發電是我國十二五末、十三五規劃重點主推的能源利用形式，具有重要的戰略意義。預計未來國內市場光伏裝機類型將與美日德等國接軌，地面集中式電站占據絕大部分份額的局面將逐漸演變成分布式、集中式電站并舉。除此之外，國家能源主管部門先后提出了十三五光伏100 GW的目標，放大了分布式光伏的范疇（地面分布式），并且解決了一直困擾分布式發展的電價兜底等關鍵性問題，為今后分布式光伏爆發式增長提供了政策托底。我國國土總面積的96%以上的太陽能資源都十分豐富，絕大部分地區都可利用太陽能進行發電，在我國光伏發電具有了大規模使用的技術條件和經濟條件[1]。……