主成分分析结合神经网络的光伏发电量预测

蒋 浩，洪 丽，张国江

（1.东南大学电气工程学院，南京 210096；2.江苏省电力公司，南京 210024）

主成分分析结合神经网络的光伏发电量预测

蒋 浩1，洪 丽1，张国江2

（1.东南大学电气工程学院，南京 210096；2.江苏省电力公司，南京 210024）

针对光伏发电量预测模型主要以气象因素、历史发电量等作为BP神经网络的输入，输入量多、数据冗余、网络难以收敛。利用主成分分析法PCA（principal components analysis）分析原来多个输入变量反映的个体信息，提取较少的几项综合性变量，减少预测模型的输入量。同时利用遗传算法优化BP网络的权值阈值建立预测模型，克服了神经网络算法的局部收敛、训练速度慢等问题。实验结果表明，该方法提高了预测精度，为解决光伏系统发电量预测提供了一种可行方法。

光伏发电；发电量短期预测；神经网络；遗传算法；主成分分析法

光伏发电系统的发电量与天气状况密切相关具有随机性，主要受太阳辐射量影响，对天气变化敏感，并网后将会对电网造成一定的冲击，目前对光伏发电的随机性以及光伏阵列发电预测技术的研究较少，是光伏发电大规模应用的难点之一。因此，加强光伏系统发电预测的研究，预测出光伏系统的日发电量曲线，对提高光伏发电利用小时数、协调电力系统部门制定发电计划、减少光伏发电的随机化问题对电力系统的影响具有重要意义。

目前光伏发电预测的方法主要有神经网络法、灰色预测法、多元线性回归法、ARIMA预测法等。文献[1]中考虑影响太阳……