光伏發(fā)電大規(guī)模接入電網(wǎng)會(huì)使電網(wǎng)產(chǎn)生一定波動(dòng),對(duì)電力系統(tǒng)產(chǎn)生影響,提高光伏發(fā)電量預(yù)測(cè)的準(zhǔn)確性是發(fā)展光伏發(fā)電技術(shù)及保證電網(wǎng)穩(wěn)定性的關(guān)鍵。本文對(duì)光伏發(fā)電量預(yù)測(cè)方法進(jìn)行歸納總結(jié),根據(jù)研究原理將其分為直接預(yù)測(cè)法和間接預(yù)測(cè)法,并對(duì)直接預(yù)測(cè)法中的混合模型做了具體分類:基于確定神經(jīng)網(wǎng)絡(luò)初始權(quán)值的混合模型、基于光伏數(shù)據(jù)預(yù)處理的混合模型及其他混合模型。通過(guò)比較各種方法的平均絕對(duì)百分比誤差（MAPE）及仿真時(shí)間,對(duì)各種方法進(jìn)行評(píng)估。結(jié)果表明:人工智能預(yù)測(cè)法目前應(yīng)用最廣,MAPE在3%～15%之間,其中,深度學(xué)習(xí)網(wǎng)絡(luò)模型預(yù)測(cè)誤差最小,但仿真時(shí)間較長(zhǎng)且模型復(fù)雜度較高;混合模型可以有效減小預(yù)測(cè)誤差,總體預(yù)測(cè)誤差小于10%,是未來(lái)一個(gè)重要的研究領(lǐng)域。 

【文章來(lái)源】：熱能動(dòng)力工程. 2020,35(11)北大核心CSCD

【文章頁(yè)數(shù)】：11 頁(yè)

【文章目錄】：
引 言
1 直接預(yù)測(cè)法
    1.1 數(shù)學(xué)統(tǒng)計(jì)預(yù)測(cè)法
        1.1.1 時(shí)間序列法
        1.1.2 線性回歸法
        1.1.3 時(shí)間趨勢(shì)外推法
    1.2 人工智能預(yù)測(cè)法
        1.2.1 神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)法
            (1) 前饋神經(jīng)網(wǎng)絡(luò)
            (2) 反饋神經(jīng)網(wǎng)絡(luò)
            (3) 深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)
        1.2.2 支持向量機(jī)
    1.3 混合模型
        1.3.1 基于確定ANN初始權(quán)值的混合模型
            (1) PSO+ANN
            (2) 遺傳算法+ANN
            (3) 人工蜂群算法+ANN
            (4) 果蠅算法+RNN
            (5) 雞群算法+RNN
        1.3.2 基于光伏數(shù)據(jù)預(yù)處理的混合模型
        1.3.3 其他混合模型
2 間接預(yù)測(cè)法
3 新型預(yù)測(cè)模型
4 總結(jié)與展望


【參考文獻(xiàn)】：
期刊論文
[1]基于參數(shù)優(yōu)化的RBF神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)算法[J]. 翟瑩瑩,左麗,張恩德.  東北大學(xué)學(xué)報(bào)(自然科學(xué)版). 2020(02)
[2]中國(guó)光伏產(chǎn)業(yè)現(xiàn)狀與發(fā)展策略研究[J]. 劉方旭.  科技經(jīng)濟(jì)導(dǎo)刊. 2019(30)
[3]基于PSO優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的光伏發(fā)電量預(yù)測(cè)[J]. 李燕斌,萬(wàn)亞寧,肖俊明,朱永勝,楊璐,李超,馬佳慧.  中原工學(xué)院學(xué)報(bào). 2019(04)
[4]基于灰色-加權(quán)馬爾可夫鏈的光伏發(fā)電量預(yù)測(cè)[J]. 蔣峰,王宗耀,張鵬.  電力系統(tǒng)保護(hù)與控制. 2019(15)
[5]基于EMD分解的AR模型光伏發(fā)電預(yù)測(cè)方法探討[J]. 孫祥晟,陳芳芳,吳孟禮,齊琦,賈鑒.  電工技術(shù). 2019(11)
[6]基于人工蜂群算法改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的光伏發(fā)電量預(yù)測(cè)[J]. 鄭建鄂,譚建軍,鄂翔宇,鄒蕾,宋池.  湖北民族學(xué)院學(xué)報(bào)(自然科學(xué)版). 2019(01)
[7]基于D-S證據(jù)理論的光伏發(fā)電量預(yù)測(cè)[J]. 李英姿,曾萬(wàn)昕,戴玉,郭俊杉,胡亞偉.  電氣應(yīng)用. 2019(02)
[8]聚類分析在光伏發(fā)電量預(yù)測(cè)中的應(yīng)用研究[J]. 成珂,郭黎明,王亞昆.  可再生能源. 2017(05)
[9]基于PCA-BPNN的并網(wǎng)光伏電站發(fā)電量預(yù)測(cè)模型研究[J]. 李芬,宋啟軍,蔡濤,趙晉斌,閆全全,陳正洪.  可再生能源. 2017(05)
[10]人工智能算法在光伏發(fā)電量預(yù)測(cè)中的應(yīng)用[J]. 鄧呈格,鐘志峰.  物聯(lián)網(wǎng)技術(shù). 2017(04)



本文編號(hào)：3463442