随着人类社会不断的进步,我们对于能源的需求越来越大,但是常规能源如:煤炭,石油,天然气等却越来越少。太阳能作为一种取之不尽的清洁能源越来越受到重视。目前,光伏并网发电是利用太阳能的一种有效方法,但是光伏发电系统容易受到太阳辐射强度,当地风速和周边环境温度的影响,导致输f出功率具有随机性,给电网部门安排光伏发电和常规电源造成巨大的困难。因此为了降低光伏发电量的不确性,对光伏发电系统输出功率进行预测就具有深远的现实意义。近年来,光伏发电量预测方法主要是直接或间接的基于历史数据作为各种模型的输入,然后通过模型来预测输出功率。比较常用的预测模型有传统BP神经网络,但是BP网络学习算法收敛慢和容易陷入局部最优的不足会导致预测精度不高。还有利用相似日模型,基于日历史数据趋势对未来日光伏发电功率进行预测,但该算法只适用于对短期的光伏发电功率预测。也有利用支持向量机(SVM)网络和Elman反馈神经网络把光伏发电的历史数据和天气数据作统一作为训练样本,从而构建了光伏发电系统发电功率预测模型,得到了相对较好的预测精度。因此,为了得到更高的预测精度,文中基于Leakv-ESN具有训练万法简单,预测精度高的优点,利用其对光伏发电系统输出功率进行预测。
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
全部0条评论
快来发表一下你的评论吧 !