基于改进EMD及Elman算法的短期光伏功率预测研究

徐敏姣，徐青山，袁晓冬

(1．东南大学电气工程学院，江苏南京　210096；2．江苏省电力公司电力科学研究院，江苏南京　211102)



基于改进EMD及Elman算法的短期光伏功率预测研究

徐敏姣1，徐青山1，袁晓冬2

(1．东南大学电气工程学院，江苏南京210096；2．江苏省电力公司电力科学研究院，江苏南京211102)

0　引　言

为了推广太阳能的使用，我国对分布式光伏发电推行电量补贴政策[1]。由于分布式光伏发电享受的补贴主要取决于自身发电量，不免存在某些投机的用户通过一定的技术手段使得分布式光伏上网电表多计量发电量，进而获取高额补贴的风险[2]。为此，亟需开展分布式光伏上网电量预测技术的相关研究，以实现对分布式光伏发电用户的上网电量的有效监管。

目前国内外对光伏出力预测的研究主要从以下两方面入手：①基于历史数据的直接预测法；②基于历史统计规律，建立与气象条件相关的光伏出力模型的间接预测法。文献[3]建立了一种基于ARMA模型的光伏电站预测模型，文献[4]将BP神经网络与改进小波神经网络相结合进行预测，文献[5-6]利用BP网络，通过历史数据预测下一时刻值辐照强度数据，并由光伏发电出力转换公式对该时刻辐照强度值进行转换。前两种方法都将光伏电站的出力按照天气类型划分为晴、阴、多云和雨4种类型，并将相同天气类型的出力数据作为训练集进行出力预测分析，然而该方法欠缺对同类型气象条件下光伏出力差异度的考虑。此外，尽管BP神经网络具有较强的非线性拟合功能[7-8]，但是该算法是一种梯度下降算法，容易陷入局部最优。……