基于RBF神經網絡的太陽光輻照度預測

海 濤，王 路，陳春華，梁挺興，林 波，李朝偉

(1.廣西大學電氣工程學院， 廣西南寧530004；2.廣西比迪光電科技工程有限責任公司， 廣西南寧530004；)

?

基于RBF神經網絡的太陽光輻照度預測

海 濤1，王 路1，陳春華1，梁挺興1，林 波2，李朝偉1

(1.廣西大學電氣工程學院， 廣西南寧530004；2.廣西比迪光電科技工程有限責任公司， 廣西南寧530004；)

針對目前太陽光輻照度預測模型簡單、氣象要素利用不充分和預測精度較低等現象，提出一種基于RBF神經網絡的太陽光輻照度預測模型。利用紫外線指數序列、地外理論輻照度序列、大氣溫度序列、天氣類型序列和歷史太陽光輻照度序列作為輸入向量建立RBF神經網絡預測模型，預測未來一段時間的太陽光輻照度，并采用GP-RBF算法進行網絡訓練。在氣象臺預測準確、較不準確和不準確等3種情況下分析該模型的預測情況。實驗結果表明：前二種情況下太陽光輻照度的預測曲線基本與真實曲線基本吻合；在氣象臺預測不準確情況下預測曲線偏離不大。可見該預測模型具有實用、預測精度高等特點。

太陽光輻照度；神經網絡；紫外線指數

隨著對能源需求的日益增加以及化石能源危機的日益加劇，可再生能源，尤其是太陽能倍受關注。光伏發電成為利用可再生能源的重要方向，而影響光伏發電的主要因素就是太陽光輻照度，太陽輻照的不穩定和隨機性以及大規模光伏并網給電力系統的管理以及安全帶來了難題[1]。所以，預測太陽光輻照度對于預測光伏發電量及其規劃、控制與運行具有極其重要的意義。……