基于经验模态分解改进神经网络光伏出力预测

齐琦，陈芳芳，徐天奇，孙祥晟

云南民族大学 电气信息工程学院，云南 昆明 650504

近年来，随着能源需求的快速增长、化石能源的日益枯竭及核能的限制性发展，清洁能源因其自身的优势而被大规模应用于电力系统中[1]。现今，如何合理地解决环境问题和能源问题已经成为世界各国的研究热点[2]。太阳能是现在热门的清洁能源，尽管它占有很大优势，但还是受到环境的制约，如风速、温度、光照强度等。因此，对光伏发电进行准确的预测，可以节约资源，保证电力系统运行的稳定性，对清洁能源应用很有意义。

光伏出力预测的研究方法主要有统计法与物理法2 种[3−4]。物理法主要通过建立物理模型来进行预测；统计法则依靠大量的数据，通过优化算法进行预测。文献[5]只采用了一种预测模型，由于环境影响因素较大，这种单一预测模型预测结果的准确度较差。文献[6]使用SVM 对数据进行分类后使用BPNN 和自回归与滑动平均模型分别预测，但SVM 的分类误差较大。本文的研究对象是小型光伏发电站，构建基于BP 神经网络的预测模型，由于BP 神经网络易陷入局部极小值，并且具有收敛速度慢等缺陷，提出基于EMD 分解的GA-BP 神经网络预测模型，优化网络结构中的权值和阈值。然后利用某光伏电站的历史数据作为输入变量，输入到搭建好的预测模型中，最后经过对比得出结论。

1 光伏发电输出功率影响因素

本文通过记录某小型光伏发电站2015 年5 月3 日—7 月3 日的温度、海拔、云层密度、空气湿度以及发电量数据，通过SPSS 数据分析软件，选用Person 相关系数进行分析。……