基于优化BP神经网络光伏出力短期预测研究

来源：计算机测量与控制杂志2021年第4期北京时间：

作者：齐琦,陈芳芳,赵辉,赵玉

单位：云南省昆明市云南民族大学

摘要：太阳能拥有丰富的资源，而且分布广泛，现已被广泛应用到各种应用中，光伏发电已是一种可靠可行，可扩展的重要可再生能源利用的方式，因此对光伏出力进行精准的预测意义重大。从宁夏市某光伏发电站获得了一年的光伏发电数据与气象等因素，选取四月至五月的数据进行研究预测。针对BP神经网络的收敛时间长，容易陷入局部极小值等缺点。建立单一BP神经网络预测模型，基于遗传算法(GA)优化BP神经网络的GA-BP预测模型与基于狼群算法(WPA)优化的BP神经网络的WPA-BP预测模型。选择平均相对误差作为误差评估指标，结果表明，三种预测模型均能对光伏电站的发电功率进行预测，但是单一的BP神经网络模型误差较大，晴天时，误差为5.1%，经遗传算法改进后的预测误差为4.9%，较单一模型提高了0.2%精度，而WPA-BP预测模型误差为4.4%，预测精度高于前者。同时多云天和雨天的时，均为WPA-BP模型的预测误差小，稳定性高，具有一定的研究价值。

关键词：光伏发电预测;组合预测模型;BP神经网络;遗传算法;狼群算法

基金资助：国家自然科学基金项目（61761049，61461055）,云南省教育厅科学研究基金项目（2019Y0169），云南省教育厅科学研究基金项目（2020Y0240）