资料下载
×
并网型光伏电站光功率及其发电量的预测方法介绍
消耗积分:0 |
格式:rar |
大小:1.9 MB |
2017-11-09
分享资料个
通过实测光伏电站所在区域主要气象参数和光伏电站电气参数， 应用 BP神经网络算法建立光伏电站数学模型， 形成预测样本数据库， 不断与历史数据、历史曲线、历史预测结果进行对比与改进， 以实现较小的误差预测。光伏电站光功率及发电量预测， 有利于提高电网接纳光伏发电的能力， 促进电网对不稳定可再生能源的接纳和消化。
基于 BP神经网络建立模型
BP神经网络是基于误差反向传播算法的人工神经网络， 它随着数据信息的不断变化， 可进行自我学习改进， 完成正向误差传播和反向误差传播。数据每经一次处理， 神经网络就可完成一次自我学习， 不断完成教学修正， 自动对各数据计算权重值进行调整优化， 直至数据处理结果和实际测量接近， 并不断进行神经网络的学习训练。并网型光伏电站光功率及发电量预测的 BP神经网络模型结构如图 1所示。
在实际预测中， 光伏电站自有的微观气象系统提供了训练神经网络的气象参数， 并实时读取电气参数， 神经网络不断对预测发电量值与实测发电量值进行比较、网络学习训练、误差修正， 形成多种类型的预测样本， 并不断优化预测样本。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
