研究与开发
基于经验模态分解的神经网络光伏发电预测方法研究
孙祥晟, 陈芳芳, 贾鉴, 陈浩, 胡康飞
云南民族大学电气信息工程学院,昆明 650504
Neural network based photovoltaic power generation prediction method based on empirical mode decomposition
Sun Xiangsheng, Chen Fangfang, Jia Jian, Chen Hao, Hu Kangfei
School of Electrical and Information Engineering, Yunnan University of Nationalities, Kunming 650504
摘要 光伏发电作为电力生产的重要环节,其发电量预测已被视为电力系统规划和运行的重要组成部分。由于短期光伏发电的随机性、复杂性和易受外界因素干扰的特点,很难做出准确的分析和预测。本文提出了一种基于经验模态分解的神经网络短期光伏发电量预测的方法,利用光伏电站所给的相似日的历史发电数据和天气情况作为输入参数进行训练所建立的模型来预测次日的发电量。该方法适用于光伏发电量预测,能有效减小误差,具有一定的参考价值。
关键词 ：
光伏发电 ,
相关因素 ,
经验模态 ,
BP神经网络 ,
发电量预测
Abstract ：As an important part of power production, photovoltaic power generation forecasting has been regarded as an important part of power system planning and operation. Because of the randomness, complexity and susceptibility to external interference of short-term photovoltaic power generation, it is difficult to make accurate analysis and prediction. In this paper, a short-term photovoltaic power generation prediction method based on empirical mode decomposition is proposed. The model is established by training the historical data and weather conditions of similar days given by photovoltaic power plants as input parameters to predict the next day's power generation. This method is suitable for photovoltaic power generation forecasting and can effectively reduce the error, which has a certain reference value.
Key words ：
photovoltaic power generation
related factors
empirical mode decomposition (EMD)
BP neural network
power generation forecast
收稿日期: 2018-12-20
出版日期: 2019-08-19
作者简介 : 孙祥晟（1995-）,男,河北沧州人,硕士研究生在读,研究方向为电力系统短期负荷预测。
引用本文:
孙祥晟, 陈芳芳, 贾鉴, 陈浩, 胡康飞. 基于经验模态分解的神经网络光伏发电预测方法研究[J]. 电气技术, 2019, 20(8): 54-58.
Sun Xiangsheng, Chen Fangfang, Jia Jian, Chen Hao, Hu Kangfei. Neural network based photovoltaic power generation prediction method based on empirical mode decomposition. Electrical Engineering, 2019, 20(8): 54-58.
链接本文:
https://dqjs.cesmedia.cn/CN/Y2019/V20/I8/54
[1] 欧阳昌裕. 我国新能源发电发展研究报告[N]. 中国电力报, 2012-03-13(002).
[1]
唐钧益, 曾肖枫, 高伟. 一种基于经验模态分解和局部极大值点数的配电网高阻接地故障检测方法
[2]
缪雅慧, 焦燕, 徐浩. 含储能的多能互补系统功率控制方案
[3]
于惠钧, 马凡烁, 陈刚, 杨驰泽, 李嘉轩. 基于改进灰狼优化算法的含光伏配电网动态无功优化
[4]
刘思诺, 武志涛. 基于改进经验模态分解的直线电机伺服系统迭代学习控制
[5]
崔灏然, 王金全, 黄克峰, 姚卫波, 周美权. 含脉冲负载光储微电网运行特性研究
[6]
刘语忱, 闫群民, 郭阳, 刘新宇, 桑兴勇. 基于完备局部均值分解和相关分析的光伏发电侧电-氢混合储能优化配置
[7]
徐扬, 张紫涛. 基于遗传模拟退火算法改进BP神经网络的中长期电力负荷预测
[8]
武明义, 焦超凡, 瞿博阳, 焦岳超, 付凯. 基于相似日算法及集成学习的短期光伏预测模型
[9]
朱泓晖, 屈艾文, 周扬忠. 基于储能型准Z源光伏并网逆变器的改进型自适应粒子群最大功率点跟踪算法研究
[10]
康义, 师刘俊, 郭刚. 基于WT-IPSO-BPNN的电力系统短期负荷预测
[11]
刘琼, 田晓梨, 花凌锋, 刘晓强. 基于G-L-R模型的光伏发电功率预测
[12]
夏书悦, 董心怡. 基于经验模态分解法优化支持向量机模型的日前风电功率组合预测
[13]
郑熙东, 江修波. 基于完备经验模态分解与能量熵的混合储能系统功率分配
[14]
曹鹏飞, 杨君, 饶纪全, 邢德文. 分布式光伏发电网络构建与仿真
[15]
张永强, 贾敬礼, 张豪俊, 耿超鹏. 一种气体绝缘金属封闭开关设备状态监测远程诊断系统的设计与开发
2019, Vol. 20 
