基于历史发电及气象数据的双阶段风力发电量预测方法

1

作者 顾凌龙 何非 +1 位作者 龙苏岩 岳紫玉 《可再生能源》 北大核心 2025年第9期1213-1220,共8页

为准确、可靠地预测风力发电量,进一步保障电力系统安全稳定运行,文章针对仅使用历史发电数据或气象数据的预测模型存在的缺陷,提出了一种基于历史发电数据与气象数据的双阶段风力发电量预测模型。首先,利用历史发电数据并基于自回归移... 为准确、可靠地预测风力发电量,进一步保障电力系统安全稳定运行,文章针对仅使用历史发电数据或气象数据的预测模型存在的缺陷,提出了一种基于历史发电数据与气象数据的双阶段风力发电量预测模型。首先,利用历史发电数据并基于自回归移动平均模型(ARIMA)实现发电量的初步预测,并获取残差序列;然后,结合气象数据和残差序列,基于Bi LSTM模型对残差序列进行预测,同时,基于粒子群优化算法(PSO)实现ARIMA模型的定阶及Bi LSTM模型的超参数优化;最后,构建了包含训练、测试和优化在内的算法流程。实验结果表明,双阶段风力发电量预测模型的预测精度高于单一模型,R^(2)比其他模型提高了5.3%以上。 展开更多

关键词 风力发电 发电量预测 ARIMA模型 PSO算法 BiLSTM算法

在线阅读 下载PDF 职称材料

基于气候特征分析及改进XGBoost算法的中长期光伏电站发电量预测方法 被引量：11

2

作者 李永飞 张耀 +4 位作者 林帆 赵英杰 陈宇轩 赵寒亭 霍巍 《电力系统保护与控制》 EI CSCD 北大核心 2024年第11期84-92,共9页

光伏发电在能源结构中的重要性不断凸显,而提高光伏发电量预测的准确性成为当前研究的关键问题。针对中长期光伏发电量预测问题,提出一个综合利用气候预测数据的中长期光伏发电量预测方法。首先,在基于气候预测数据的发电量预测框架中,... 光伏发电在能源结构中的重要性不断凸显,而提高光伏发电量预测的准确性成为当前研究的关键问题。针对中长期光伏发电量预测问题,提出一个综合利用气候预测数据的中长期光伏发电量预测方法。首先,在基于气候预测数据的发电量预测框架中,根据气候预测数据特点和预测周期划分多重子模型以充分利用气候预测数据信息。其次,在进行数据预处理后,通过对气候特征衍生与交叉、特征筛选和选择,充分挖掘气候特征的高价值信息。然后,采取一种两重多阶段超参数寻优策略,对极端梯度增强(extreme gradient boosting, XGBoost)超参数进行调整以优化预测模型。最后,在真实光伏发电量数据上,以MAPE为标准评估预测水平,验证所提中长期光伏发电量预测方法的有效性。相关实验结果表明该方法可以有效提高光伏发电量预测精度。 展开更多

关键词 气候预测数据 XGBoost 中长期预测 光伏发电量预测 特征工程

在线阅读 下载PDF 职称材料

基于遗传算法小波神经网络的光伏电站发电量预测方法 被引量：9

3

作者 周强 张晓忠 +4 位作者 陈久益 沈炜 白建波 黄悦婷 汤霜霜 《智慧电力》 北大核心 2024年第4期78-84,共7页

针对光伏电站发电量预测不准确及多种气象因素下预测结果出现波动的问题,提出一种基于遗传算法小波神经网络(GA-WNN)的光伏电站发电量预测方法。首先,以反向传播(BP)神经网络的结构为框架,选择小波基函数作为隐含层的传递函数,将网络连... 针对光伏电站发电量预测不准确及多种气象因素下预测结果出现波动的问题,提出一种基于遗传算法小波神经网络(GA-WNN)的光伏电站发电量预测方法。首先,以反向传播(BP)神经网络的结构为框架,选择小波基函数作为隐含层的传递函数,将网络连接权值、小波函数伸缩因子、小波函数平移因子视为遗传个体,并通过遗传算法(GA)进行个体寻优以得到网络最优初始参数;然后,利用优化后的网络进行仿真预测,并对仿真数据进行分析;最后,将预测结果与实际发电量进行对比,以评估预测模型的误差和可靠性。实例分析表明,GA-WNN预测模型具有更小的误差和更高的预测精度,适用于精确预测光伏电站的发电量。 展开更多

关键词 光伏电站 发电量预测 遗传算法 小波神经网络

在线阅读 下载PDF 职称材料

基于噪声场合下ARMA模型的风力发电量预测 被引量：21

4

作者 高阳 朴在林 +2 位作者 张旭鹏 冬雷 郝颖 《电力系统保护与控制》 EI CSCD 北大核心 2010年第20期164-167,共4页

针对普通的ARMA模型的预测质量由于各种原因会大大降低的情况,依据富锦风电场风力发电量的时间序列,基于HOYW定阶方法建立了噪声场合下的ARMA模型。通过对模型残差白噪声性能的分析,验证了模型的适用性。应用此模型进行了预测分析,得到... 针对普通的ARMA模型的预测质量由于各种原因会大大降低的情况,依据富锦风电场风力发电量的时间序列,基于HOYW定阶方法建立了噪声场合下的ARMA模型。通过对模型残差白噪声性能的分析,验证了模型的适用性。应用此模型进行了预测分析,得到的归一化平均绝对误差(NMAE)为0.0658。通过与普通的ARMA模型预测精度方面的对比,进一步验证了噪声场合下基于ARMA模型风力发电量预测的优越性。 展开更多

关键词 风力发电量预测 ARMA模型 噪声 HOYW法 模型适用性 归一化平均绝对误差

在线阅读 下载PDF 职称材料

基于PCA-BPNN的并网光伏电站发电量预测模型研究 被引量：16

5

作者 李芬 宋启军 +3 位作者 蔡涛 赵晋斌 闫全全 陈正洪 《可再生能源》 CAS 北大核心 2017年第5期689-695,共7页

针对目前光伏电站发电量预测模型中输入气象维数较多、预测精度低等问题,提出基于主成分分析(PCA)和BP神经网络(BPNN)相结合的光伏电站发电量预测模型。利用PCA对水平面太阳总辐射、日照时数、气温日较差等多个气象变量进行解耦降维处理... 针对目前光伏电站发电量预测模型中输入气象维数较多、预测精度低等问题,提出基于主成分分析(PCA)和BP神经网络(BPNN)相结合的光伏电站发电量预测模型。利用PCA对水平面太阳总辐射、日照时数、气温日较差等多个气象变量进行解耦降维处理,形成相互正交、相互独立的公因子变量。将这些公因子变量作为BPNN模型的输入变量,并进行训练拟合建模,从而实现对光伏电站发电量进行预测。文章利用我国华中地区某屋顶并网光伏电站的实测数据,对PCA-BPNN模型进行检验。通过研究结果可知,与常见的预测模型相比,PCA-BPNN模型大大降低了气象变量的输入维数,该模型预测结果的准确性较高。 展开更多

关键词 主成分分析 发电量预测 并网光伏电站 清晰度指数 气象因子

在线阅读 下载PDF 职称材料

基于模糊支持向量机的光伏发电量预测 被引量：30

6

作者 张玉 莫寒 张烈平 《热力发电》 CAS 北大核心 2017年第1期116-120,共5页

受到光照强度、温度、湿度和风速等气象因素的影响,光伏发电系统出力具有波动性、间接性和不可控性等特点,光伏发电量预测精度较低。对此,本文采用模糊理论结合支持向量机的方法预测光伏发电量。首先通过模糊C均值聚类算法计算模糊隶属... 受到光照强度、温度、湿度和风速等气象因素的影响,光伏发电系统出力具有波动性、间接性和不可控性等特点,光伏发电量预测精度较低。对此,本文采用模糊理论结合支持向量机的方法预测光伏发电量。首先通过模糊C均值聚类算法计算模糊隶属度,然后对原始样本进行聚类,生成模糊样本,再采用支持向量机对模糊样本进行训练,最后利用预测模型预测未来几天的光伏发电量。MATLAB仿真实验预测显示:相对于经典的BP神经网络模型和支持向量机模型,模糊支持向量机预测模型更稳定且预测结果误差更小;该模型克服了传统光伏预测方法中存在的极易陷入极小值以及不确定气象因素影响等缺陷,提高了系统预测精度。 展开更多

关键词 模糊理论 支持向量机 光伏发电 发电量预测 MATLAB软件 模糊隶属度 BP神经网络 预测误差

在线阅读 下载PDF 职称材料

基于ARMA模型的水电站概率性发电量预测 被引量：13

7

作者 胡百林 李晓明 +1 位作者 李小平 周达山 《电力系统及其自动化学报》 CSCD 2003年第3期62-65,共4页

水电站发电量通常具有较大的随机性 ,水电站的发电量的预测对于水电比重较大的电网结构具有重要的意义。本文首先对某水电站的年发电量序列进行分析 ,然后根据分析结果提出了基于 ARMA模型的水电站概率性发电量预测方法。

关键词 水电站 概率性发电量预测 ARMA模型 时间序列 数学模型 经济运行

在线阅读 下载PDF 职称材料

聚类分析在光伏发电量预测中的应用研究 被引量：17

8

作者 成珂 郭黎明 王亚昆 《可再生能源》 CAS 北大核心 2017年第5期696-701,共6页

为了从光伏发电历年数据中筛选出有效样本,并提高光伏发电量预测模型的准确率,文章将聚类分析应用于光伏领域,并结合神经网络建立了光伏发电量预测模型。以晴天、多云和雨天3种天气类型为目标,利用聚类分析对历史数据中的异常样本进行筛... 为了从光伏发电历年数据中筛选出有效样本,并提高光伏发电量预测模型的准确率,文章将聚类分析应用于光伏领域,并结合神经网络建立了光伏发电量预测模型。以晴天、多云和雨天3种天气类型为目标,利用聚类分析对历史数据中的异常样本进行筛选,并将筛选后的样本作为训练数据建立了反向传播(BP)神经网络预测模型。通过对比筛选前后预测模型的计算结果可知,利用聚类分析筛选后的数据所建立起来的预测模型精度较高,因此,聚类分析和BP神经网络相结合是提高光伏发电量预测精度的一种有效方法。 展开更多

关键词 聚类分析 数据筛选 神经网络 光伏发电量预测 太阳能

在线阅读 下载PDF 职称材料

建筑光伏并网发电系统的发电量预测初探 被引量：8

9

作者 徐静 陈正洪 +1 位作者 唐俊 李芬 《电力系统保护与控制》 EI CSCD 北大核心 2012年第18期81-85,共5页

为改善含高密度、多接入点建筑光伏并网发电系统的电网运行特性,从能量管理和区域电网的运行调度两方面分析了建筑光伏并网发电系统的发电量预测需求,探讨了区域建筑光伏发电量预测的关键技术,分析指出原理预报法建模困难。得出如下结论... 为改善含高密度、多接入点建筑光伏并网发电系统的电网运行特性,从能量管理和区域电网的运行调度两方面分析了建筑光伏并网发电系统的发电量预测需求,探讨了区域建筑光伏发电量预测的关键技术,分析指出原理预报法建模困难。得出如下结论:采用神经网络法、支持向量机方法等人工智能方法是光伏发电量预测模型的主要发展方向;数值模式太阳能辐射预报的预测精度和空间尺度离电网调度运行的要求还有相当距离。最后初步设计了建筑光伏的发电量预测系统,提出采用综合多个点的太阳能辐射预报结果进行区域太阳能辐射预报。 展开更多

关键词 建筑集成光伏 光伏并网发电系统 发电量预测 太阳能辐射预报 预测模型

在线阅读 下载PDF 职称材料

基于小波神经网络的光伏系统发电量预测 被引量：18

10

作者 杨德全 王艳 焦彦军 《可再生能源》 CAS 北大核心 2013年第7期1-5,共5页

针对光伏系统发电量的影响因素,建立具有超强泛化能力的小波神经网络短期发电量预测模型。以相同日类型条件下的光伏系统发电量、环境温度、光板温度、相对湿度的历史数据作为样本,对模型进行训练和发电量预测。通过小波神经网络模型和B... 针对光伏系统发电量的影响因素,建立具有超强泛化能力的小波神经网络短期发电量预测模型。以相同日类型条件下的光伏系统发电量、环境温度、光板温度、相对湿度的历史数据作为样本,对模型进行训练和发电量预测。通过小波神经网络模型和BP神经网络模型预测结果的对比分析表明:小波神经网络模型训练次数少,收敛速度快,预测精度高。 展开更多

关键词 光伏系统 发电量预测 小波神经网络 BP神经网络

在线阅读 下载PDF 职称材料

基于ARIMA的发电量预测方法 被引量：9

11

作者 卢建昌 张世英 牛东晓 《华北电力大学学报（自然科学版）》 CAS 北大核心 2004年第3期78-80,共3页

根据 1952—2001 年我国 50 年的发电量数据,利用时间序列的有关理论,经过多次拟合,找出适合我国发电量的单整自回归移动平均模型(ARIMA)。利用 AIC 准则确定模型参数。根据模型对我国未来 5年的发电量进行预测,结果表明预测精度误差小... 根据 1952—2001 年我国 50 年的发电量数据,利用时间序列的有关理论,经过多次拟合,找出适合我国发电量的单整自回归移动平均模型(ARIMA)。利用 AIC 准则确定模型参数。根据模型对我国未来 5年的发电量进行预测,结果表明预测精度误差小于 3%,该方法可满足实际要求。 展开更多

关键词 电力系统 电网 发电量预测方 ARIMA模型 数学模型

在线阅读 下载PDF 职称材料

基于遗传算法优化BP神经网络的短期发电量预测 被引量：6

12

作者 郭文强 师帅 +3 位作者 张筱 李可可 佘金龙 高文强 《陕西科技大学学报》 CAS 2017年第4期159-163,178,共6页

针对传统神经网络的网络初始权值和阈值随机给出,训练结果易陷入局部极小值的问题,本文提出一种采用遗传算法(GA)对BP网络的初始权值和初始阈值进行优化的方法.通过模拟生物进化中的自然选择和遗传机理,首先将网络的初始权值和初始阈值... 针对传统神经网络的网络初始权值和阈值随机给出,训练结果易陷入局部极小值的问题,本文提出一种采用遗传算法(GA)对BP网络的初始权值和初始阈值进行优化的方法.通过模拟生物进化中的自然选择和遗传机理,首先将网络的初始权值和初始阈值表示为染色体基因编码,再利用遗传算子进行组合交叉、变异、选择,产生出新的染色体来完成初始参数优化,形成初始权值和初始阈值,最后经BP网络训练得到最终权值和阈值,建立用于短期发电量预测的网络.实验结果表明,与传统BP神经网络预测方法相比,该预测方法精度更高,为短期电量预测提供了一种新途径. 展开更多

关键词 遗传算法 BP神经网络 优化 短期发电量预测

在线阅读 下载PDF 职称材料

基于CAPSO-RNN的光伏系统短期发电量预测 被引量：12

13

作者 赵杰 张艳霞 《中国电力》 CSCD 北大核心 2012年第4期87-91,共5页

针对光伏系统的发电特性及影响光伏发电的因素,建立基于混沌自适应粒子群优化算法的反馈型神经网络短期发电量预测模型。该预测模型利用混沌自适应粒子群优化算法的全局优化能力初始化反馈性神经网络权值和阈值,可以克服反馈型神经网络... 针对光伏系统的发电特性及影响光伏发电的因素,建立基于混沌自适应粒子群优化算法的反馈型神经网络短期发电量预测模型。该预测模型利用混沌自适应粒子群优化算法的全局优化能力初始化反馈性神经网络权值和阈值,可以克服反馈型神经网络收敛速度慢俄且易陷于局部最优等缺点。同时为提高预测精度,采用隶属度函数对温度进行模糊化处理。预测结果表明,建立的预测模型具有较高的精度。 展开更多

关键词 光伏系统 发电量预测 混沌自适应粒子群优化算法 反馈型神经网络

在线阅读 下载PDF 职称材料

风电场发电量预测技术研究综述 被引量：22

14

作者 高阳 陈华宇 欧阳群 《电网与清洁能源》 2010年第4期60-63,67,共5页

首先综述了风电在我国的发展现状,分析了目前风电场接入电网急需解决的问题,然后总结了现在风电场发电量预测模型的研究方法。接着分析了风电场发电量预测技术国内外的研究现状和发展趋势,最后提出了基于混沌理论的风电场发电量预测的... 首先综述了风电在我国的发展现状,分析了目前风电场接入电网急需解决的问题,然后总结了现在风电场发电量预测模型的研究方法。接着分析了风电场发电量预测技术国内外的研究现状和发展趋势,最后提出了基于混沌理论的风电场发电量预测的方法。 展开更多

关键词 风力发电 发电量预测 混沌理论

在线阅读 下载PDF 职称材料

基于模糊C均值聚类的光伏组件发电量预测 被引量：6

15

作者 王越 丁坤 +2 位作者 冯皓 丁汉祥 邵志雄 《广东电力》 2018年第4期43-48,共6页

光伏组件发电量预测是光伏系统发电量预测的基础,为此,基于模糊C均值聚类,针对3种典型天气,即晴天、阴天和雨天,结合向量给出了相应天气突变情况的判断方法,根据天气情况选取对应的光伏组件输出功率模型进行组件发电量预测,每次预测间隔... 光伏组件发电量预测是光伏系统发电量预测的基础,为此,基于模糊C均值聚类,针对3种典型天气,即晴天、阴天和雨天,结合向量给出了相应天气突变情况的判断方法,根据天气情况选取对应的光伏组件输出功率模型进行组件发电量预测,每次预测间隔为10 min。验证结果表明,优化的光伏组件功率输出模型和发电量预测方法预测精度高,晴天的预测误差为1.1%,阴天为3.76%,雨天为9.2%,复杂天气下为4.22%,验证了所提出的优化的光伏组件输出功率模型和发电量预测方法的有效性,满足功率预测误差要求。 展开更多

关键词 光伏组件 天气突变 输出功率模型 发电量预测 模糊C均值聚类

在线阅读 下载PDF 职称材料

光伏充气膜温室自跟踪发电系统发电量预测 被引量：3

16

作者 徐小力 刘秋爽 见浪護 《农业机械学报》 EI CAS CSCD 北大核心 2012年第S1期305-310,299,共7页

针对光伏充气膜温室自跟踪发电系统提出了一种加入天气预报信息的自适应变异粒子群神经网络的发电量预测算法。首先结合历史发电量数据和气象数据分析了影响光伏充气膜温室自跟踪发电系统发电量的主要因素,建立了加入天气预报的神经网... 针对光伏充气膜温室自跟踪发电系统提出了一种加入天气预报信息的自适应变异粒子群神经网络的发电量预测算法。首先结合历史发电量数据和气象数据分析了影响光伏充气膜温室自跟踪发电系统发电量的主要因素,建立了加入天气预报的神经网络预测模型,并针对传统神经网络预测模型中基于梯度下降的BP算法收敛慢、易陷入局部最优、训练难收敛等问题,通过自适应变异粒子群算法改进了神经网络。该算法通过将变异环节引入粒子群优化算法,进行隔代进化找到局部最优解。实验结果表明所采用的自适应变异粒子群的神经网络预测算法的全局收敛性能得到了显著提高,能有效避免粒子群优化算法中的早熟收敛问题。 展开更多

关键词 光伏充气膜温室 自跟踪发电系统 发电量预测 自适应变异粒子群神经网络算法

在线阅读 下载PDF 职称材料

基于改进灰色模型与BP神经网络模型组合的风力发电量预测研究 被引量：4

17

作者 孙佳 王淳 胡蕾 《水电能源科学》 北大核心 2015年第4期203-205,163,共4页

针对灰色模型在数据序列无规律的风力发电量预测中精度不高的问题,通过对原始数据的平滑处理改进灰色模型,并将改进的灰色模型与BP神经网络相结合构建组合预测模型,采用灰色关联法改进组合预测的权重系数。实例分析表明,改进的优选组合... 针对灰色模型在数据序列无规律的风力发电量预测中精度不高的问题,通过对原始数据的平滑处理改进灰色模型,并将改进的灰色模型与BP神经网络相结合构建组合预测模型,采用灰色关联法改进组合预测的权重系数。实例分析表明,改进的优选组合模型预测的准确度高于单一模型及传统的优选组合预测模型。 展开更多

关键词 风力发电量预测 改进的灰色模型 BP神经网络模型 改进的优选组合预测

在线阅读 下载PDF 职称材料

考虑健康状态的风电机组发电量预测模型 被引量：2

18

作者 邓超 张子晗 +2 位作者 朱锦璇 吴军 王远航 《计算机集成制造系统》 EI CSCD 北大核心 2020年第9期2367-2378,共12页

针对现有风电机组发电量预测方法很少考虑机组健康状态的影响,从而降低了预测准确性的问题,提出一种考虑健康状态的风电机组发电量预测模型。首先引入组合权重描述机组多个性能观测序列之间的相关性,建立基于改进多观测序列隐Markov模型... 针对现有风电机组发电量预测方法很少考虑机组健康状态的影响,从而降低了预测准确性的问题,提出一种考虑健康状态的风电机组发电量预测模型。首先引入组合权重描述机组多个性能观测序列之间的相关性,建立基于改进多观测序列隐Markov模型(HMM)的健康状态模型,分别用健康状态等级序列与劣化概率描述健康状态劣化过程。采用预处理后的机组风电场数据采集与监控(SCADA)系统风速和功率数据,利用比恩法建立不同健康状态下的风电功率曲线模型。将机组健康状态劣化过程按时间序列融合到风电功率曲线,建立考虑健康状态的风电机组动态功率曲线模型,并结合基于Weibull分布的风速模型实现发电量预测。以SL2000/100风电机组发电量预测为例,验证了该方法的有效性。 展开更多

关键词 健康状态评估 多观测序列隐Markov模型 风电功率曲线 发电量预测

在线阅读 下载PDF 职称材料

基于EMD-ESNs的光伏系统短期发电量预测 被引量：3

19

作者 王艳 杨德全 《可再生能源》 CAS 北大核心 2014年第10期1436-1440,共5页

针对光伏系统发电量的影响因素,提出一种基于经验模态分解(EMD)与回声状态网络(ESNs)的组合光伏系统短期发电功率预测方法。通过对同日类型的历史发电功率数据进行EMD,得到其不同尺度的周期分量和趋势分量;滤除其体现数据差异的各个较... 针对光伏系统发电量的影响因素,提出一种基于经验模态分解(EMD)与回声状态网络(ESNs)的组合光伏系统短期发电功率预测方法。通过对同日类型的历史发电功率数据进行EMD,得到其不同尺度的周期分量和趋势分量;滤除其体现数据差异的各个较小周期分量,针对体现数据共性的分量建立ESNs预测模型;最后,将预测值与趋势分量组合得到最终的预测结果。预测结果对比分析表明:该方法与单一回声状态网络、BP神经网络和小波神经网络预测方法相比,计算速度快,预测精度高,稳定性好。 展开更多

关键词 光伏系统 发电量预测 经验模态分解 回声状态网络

在线阅读 下载PDF 职称材料

基于相空间重构和小波神经网络的光伏阵列发电量预测 被引量：16

20

作者 罗毅 千雨乐 《太阳能学报》 EI CAS CSCD 北大核心 2014年第6期992-997,共6页

针对光伏发电厂发电量预测系统的特点以及预测方法存在预测输入项繁多、预测成本高等缺陷,利用相空间重构结合小波神经网络,提出一种便于实施、预测成本低且可靠性高的发电量预测方法,最后经实验验证进一步证明了该方法的有效性。

关键词 光伏发电 相空间重构 小波神经网络 发电量预测

在线阅读 下载PDF 职称材料