分布式光伏发电接入智能电网功率预测模型优化分析.pdfVIP

电力创新

PowerInnovation

分布式光伏发电接入智能电网功率预测

模型优化分析

安广良

（江西旭能电力工程设计咨询有限公司）

摘要：光伏发电具有较强的随机性和波动性，这给传统电网稳定运行带来了不小的挑战，因此能够准确预

测光伏发电量，对提高电网稳定运行有较大意义。本文首先利用皮尔逊相关性计算方法，提取出影响光伏

发电功率模型的有效输入相量，然后提出了一种云粒子群（CPSO）算法，利用该优化算法实现对BP神经

权重等参数的优化获得训练后的模型，结合实际历史运行数据验证了改进模型的有效性。

关键词：光伏发电；云粒子群算法；BP神经网络；功率预测模型

前，各国相关专家学者对光伏功率预测的式（1）中，Ps为光伏板的输出功率，η则为光

SI

研究，已逐渐从传统的统计方法向人工智伏板的转换相率，是光伏阵列的面积，是光伏板

目[1-4]斜面的直射太阳强度，可看出光伏板斜面上的太阳辐

能算法方向发展。本文选择使用BP

神经网络作为光伏功率预测模型的基本架构，加入射强度正比于光伏输出功率，二者间存在较强相关性。

动量同时对模型中的关键参数采用云粒子群优化算二是湿度与光伏发电功率相关性分析。表1为1

法进行优化，使所训练的模型不易陷入局部极小值。月和7月两个月份的最大湿度、最小湿度、平均湿度

最后经过实际数据进行验证，表明了所提模型优化与光伏系统输出功率的相关系数。

方法的有效性。表1湿度与光伏发电功率相关性分析

月份最大湿度最小湿度平均湿度

1数据预处理1月-0.5962-0.8655-0.8485

7月0.1929-0.5236-0.2942

光伏气象因素分析。天气变化会导致光伏出力

从表1中可以看出，湿度和光伏发电输出功率之

不稳定，增加发电系统的不确定性，比如太阳的辐

间的相关性成负相关，其中最大湿度与光伏发电功

照强度、风速等气象特征，都会对光伏功率输出产

率存在较弱的相关性，而最小湿度和平均湿度则与

生较大影响，但并非所有气象特征均会对其功率输

光伏发电功率存在相对较强的相关性。

出有影响，若将不相关的影响因素都考虑作为预测

三是温度与光伏发电功率相关性分析。温度升

模型的输入向量，势必会增加模型的复杂度和冗余

高会影响光伏板材料活性进而导致其光电转换率降

度。本文选用某地某年1月、7月两个月份的光伏发