基于相似日原理和CPSO-Elman模型的光伏電站短期功率預測

王 超，劉世明

(1.昌吉學院 物理系，新疆 昌吉 831100； 2.庫爾勒新特匯能能源有限責任公司，新疆 庫爾勒 841000)

太陽能作為一種清潔的可再生能源，其開發和利用得到了人們的高度重視，光伏發電作為太陽能的一種主要利用方式，其規模也在不斷增大，由于光伏發電功率的間歇性和波動性，直接入網會影響電網的安全運行[1-3]。因此，對光伏電站的功率預測就顯得極為重要。

對光伏發電功率的預測，國內外學者進行了大量的分析研究，文獻[4]結合思維進化算法和BP 網絡建立光伏發電預測模型，將大氣溫度、輻照度、風速和歷史輸出序列作為輸入因子，根據季節變化建立四個單元進行模型的訓練和預測，驗證了算法的有效性和準確性。文獻[5]采用修正系數法確定了總輻射量和直接輻射兩個因素組合與輸出功率關聯性最強，通過調整PSO的慣性權重和不同階段的加速因子來優化極限學習機(ELM)的參數，實現提高短期光伏發電功率預測的精度目的。文獻[6]對原始數據進行主成分分析，將分析結果作為BP神經網絡的輸入數據，采用灰色關聯法確定預測日的相似日，將粒子群算法和BP神經網絡相結合優化權值和閾值，提高了預測模型的預測精度，當天氣類型改變時，模型的有效性不變，預測誤差均小于20%。文獻[7]將灰色關聯法和余弦相似度結合選取相似日，采用自適應粒子群優化算法優化SNN神經網絡的參數，該模型比傳統的模型具有更高的預測精度和適用性。……