太陽能是一種重要的清潔可再生能源,光伏發(fā)電可有效緩解現(xiàn)有能源危機和環(huán)境問題。然而光伏發(fā)電容易受到太陽輻射強度、溫度等方面影響,具有明顯的隨機性和間歇性,對于大型光伏發(fā)電發(fā)展帶來了挑戰(zhàn)。本文提出基于模糊寬度學(xué)習(xí)系統(tǒng)（FuzzyBroad Learning System, FBLS）的光伏發(fā)電預(yù)測方法,分析模糊寬度學(xué)習(xí)模型應(yīng)用于光伏預(yù)測的可行性,然后采用FBLS對輸入光伏電站歷史數(shù)據(jù)進行離線訓(xùn)練,利用訓(xùn)練好的模型對光伏電站實時采集氣象數(shù)據(jù)進行光伏功率預(yù)測。實驗結(jié)果表明,本文方法在RMSE和MAPE上均有明顯降低,既能提高光伏預(yù)測精度,也能快速訓(xùn)練模型,解決了傳統(tǒng)光伏預(yù)測方法復(fù)雜、模型訓(xùn)練時間長、網(wǎng)絡(luò)參數(shù)多等缺點,具有明顯優(yōu)良的預(yù)測性能。 

【文章來源】：控制工程. 2020,27(11)北大核心CSCD

【文章頁數(shù)】：7 頁

【部分圖文】：

基于FBLS的光伏發(fā)電預(yù)測框架Fig.2Photovoltaicpowerforecastingframeworkbasedonfuzzybroadlearningsystem

·2020·控制工程第27卷(a)FBLS對數(shù)據(jù)集1的預(yù)測結(jié)果(a)FBLSpredictionresultwithdataset1(b)FBLS對數(shù)據(jù)集2的預(yù)測結(jié)果(b)FBLSpredictionresultwithdataset2圖3基于FBLS的光伏發(fā)電預(yù)測結(jié)果Fig.3PhotovoltaicpowerforecastingresultsbaseonFBLS圖3分別作了數(shù)據(jù)集1的2018年12月份和數(shù)據(jù)集2的2019年7月的光伏預(yù)測。我們可以發(fā)現(xiàn)基于FBLS的光伏出力預(yù)測結(jié)果較為準(zhǔn)確證明本文方法的有效性和可行性。為進一步驗證本文方法在光伏功率預(yù)測問題中的有效性和優(yōu)越性，我們與目前主流的支持向量

【參考文獻(xiàn)】：
期刊論文
[1]基于深度學(xué)習(xí)的LSTM光伏預(yù)測[J]. 崔承剛,鄒宇航.  上海電力學(xué)院學(xué)報. 2019(06)
[2]基于長短期記憶神經(jīng)網(wǎng)絡(luò)的風(fēng)力發(fā)電功率預(yù)測方法[J]. 李相俊,許格健.  發(fā)電技術(shù). 2019(05)
[3]一種基于雙通道CNN和LSTM的短期光伏功率預(yù)測方法[J]. 簡獻(xiàn)忠,顧洪志,王如志.  電力科學(xué)與工程. 2019(05)
[4]基于支持向量機的發(fā)電量對GDP的預(yù)測[J]. 陳錦皓,郭黎,李潤澤,卜慎慎.  湖北民族學(xué)院學(xué)報(自然科學(xué)版). 2019(01)
[5]基于GA-KELM的光伏短期出力預(yù)測研究[J]. 章勇高,高彥麗,馬迪.  控制工程. 2018(07)
[6]光伏發(fā)電系統(tǒng)功率預(yù)測方法綜述[J]. 李安壽,陳琦,王子才,李鐵才.  電氣傳動. 2016(06)
[7]光伏發(fā)電功率預(yù)測方法研究綜述[J]. 錢振,蔡世波,顧宇慶,童建軍,鮑官軍.  機電工程. 2015(05)
[8]基于BP神經(jīng)網(wǎng)絡(luò)的光伏發(fā)電功率預(yù)測模型研究[J]. 李星,晁勤,任娟,李義巖.  水力發(fā)電. 2013(07)
[9]基于極端學(xué)習(xí)機的光伏發(fā)電功率短期預(yù)測[J]. 劉士榮,李松峰,寧康紅,周嘯波,榮延澤.  控制工程. 2013(02)
[10]在線稀疏最小二乘支持向量機回歸的研究[J]. 王定成,姜斌.  控制與決策. 2007(02)



本文編號：3262465