[1]邓韦斯,戴仲覆,王皓怀,等.基于 WNN 的光伏功率超短期预测研究[J].机械与电子,2023,41(12):15-19.
　DENG Weisi,DAI Zhongfu,WANG Haohuai,et al.Ultra-short-term Forecasting Research Research of Photovoltaic Power Based on WNN[J].Machinery & Electronics,2023,41(12):15-19.
点击复制

基于 WNN 的光伏功率超短期预测研究()
分享到：

《机械与电子》[ISSN:1001-2257/CN:52-1052/TH]

卷:
41
期数:
2023年12期
页码:
15-19
栏目:
研究与设计
出版日期:
2023-12-30

文章信息/Info

Title:
Ultra-short-term Forecasting Research Research of Photovoltaic Power Based on WNN
文章编号:
1001-2257 ( 2023 ) 12-0015-05
作者:
邓韦斯 1 ; 戴仲覆 2 ; 王皓怀 1 ; 卢斯煜 2 ; 刘显茁 1 ; 张旭东 2
1. 中国南方电网电力调度控制中心,广东 广州 510663 ;
2. 南方电网科学研究院有限责任公司直流输电技术国家重点实验室,广东 广州 510663
Author(s):
DENG Weisi1 ;  DAI Zhongfu2 ;  WANG Haohuai1 ;  LU Siyu2 ;  LIU Xianzhuo1 ;  ZHANG Xudong2
( 1.Power Dispatch and Control Center , China Southern Power Grid , Guangzhou 510663 , China ; 2.State Key Laboratory of HVDC , Electric Power Research Institute of China Southern Power Grid Co. , Ltd. , Guangzhou 510663 , China )
关键词:
WNN ; 光伏功率; 超短期预测; 网络训练
Keywords:
photovoltaic power ;  ultra-short-term forecasting ;  network training
分类号:
TM615
文献标志码:
A
摘要:
为解决光伏功率预测不准确问题,提出一种基于小波神经网络( WNN )的光伏功率超短期预测方法。分析小波变换的基本方法,说明小波网络的基本结构和初始权重确定方法;提出利用误差反向传播训练 WNN 的方法,分为 GD 算法和 LM 算法进行讨论;提出基于小波神经网络的光照辐射强度的预测方法,并提出评价指标;最后利用某地实际数据进行网络训练,说明了所提方法的有效性,并可知利用 LM 算法的 WNN 预测模型比 GD 算法训练的预测模型在超短期时段的表现更优。
Abstract:
In order to solve the problem of inaccurate photovoltaic power prediction , an ultra-short-term photovoltaic power prediction method based on wavelet neural network ( WNN ) is proposed.The basic method of wavelet transform is analyzed , and the basic structure of wavelet network and the method of determining the initial weight are explained.A method of using error backpropagation to train WNN is proposed , which is divided into gradient descent and LM algorithm for discussion.A prediction method of light radiation intensity based on wavelet neural network is proposed , and an evaluation index is proposed.Finally , the actual data of a certain place is used for network training , which illustrates the effectiveness of the proposed method.Compared with the prediction model trained by GD , the WNN prediction model trained by LM performs better in the ultra-short-term period.

参考文献/References:

[ 1 ] 李博彤,李明睿,刘梦晴 . 基于通径分析和相空间重构的光伏发电预测模型[ J ] . 电测与仪表, 2022 , 59 ( 11 ):79-87.

[ 2 ] 张家安,郝峰,董存,等 . 基于两阶段不确定性量化的光伏发电超短期功率预测[ J ] . 太阳能学报, 2023 , 44 ( 1 ): 69-77.
[ 3 ] 陈新和,宋月新,张立国,等 . 模型与数据混合驱动的分布式光伏超短期功率预测[ J ] . 供用电, 2023 , 40 ( 1 ): 2-9.
[ 4 ] 张磊,王小明,吴红斌,等 . 基于 FCM 和 LSTM 的光伏功率超短期预测[ J ] . 供用电, 2023 , 40 ( 1 ): 10-17.
[ 5 ] 俞晓荣 . 基于迁移学习的光伏发电功率超短期预测方法[ J ] . 自动化应用, 2022 ( 11 ): 105-107.
[ 6 ] 董雪,赵宏伟,赵生校,等 . 基于 SOM 聚类和二次分解的 BiGRU 超短期光伏功率预测 [ J ] . 太阳能学报,2022 , 43 ( 11 ): 85-93.
[ 7 ] 汤德清,朱武,侯林超 . 基于 CNN-LSTM-XGBoost模型的超短期光伏功率预测[ J ] . 电源技术,2022 , 46( 9 ): 1048-1052.
[ 8 ] 陈美珍,柳扬,徐胜彬,等 . 基于天气类型及改进的小波神经网络的光伏发电短期预测[J ] . 贵州大学学报(自然科学版),2022 , 39 ( 1 ): 70-77 , 88.
[ 9 ] 荆鹏辉,韩朝阳,艾永乐,等 . 基于粒子群优化小波神经网络的光伏阵列故障检测[ J ] . 武汉大学学报(工 学版),2021 , 54 ( 9 ): 860-865.
[ 10 ] 卢文韬,肖辉,吴姿瑾,等 . 基于混沌 CSO-WNN-RBF 的光伏功率超短期组合预测 [ J ] . 电源技术,2021 , 45 ( 4 ): 485-489.
[ 11 ] 张家安,郝峰,董存,等 . 基于两阶段不确定性量化的光伏发电超短期功率预测[ J ] . 太阳能学报, 2023 , 44( 1 ): 69-77.
[ 12 ] 贾凌云,云斯宁,赵泽妮,等 . 神经网络短期光伏发电预测的应用研究进展[ J ] . 太阳能学报, 2022 , 43 ( 12 ):88-97.
[ 13 ] 苏颜,张珍,林庆达,等 . 基于 BP 神经网络算法的短期电力负荷预测研究[ J ] . 电子设计工程,2022 , 30( 12 ): 167-170 , 175.
[ 14 ] 陈明华,李少强,陈晓雄 . 基于 LM-BP 神经网络算法的配网线路光伏发电功率预测[ J ] . 自动化应用, 2022( 9 ): 109-112.
[ 15 ] 钟建伟,周文辉,贾犇,等 . 基于 LM 改进 BP 神经网络的电网无功负荷预测 [ J ] . 电气自动化,2019 , 41( 5 ): 57-59 , 69.

相似文献/References:

[1]孙艳玲,朱晨光,邵 山,等.基于自适应 k 均值和 SVR 的光伏出力预测[J].机械与电子,2024,42(08):15.
　SUN Yanling,ZHU Chenguang,SHAO Shan,et al.Photovoltaic Output Prediction Based on Adaptive?k-means and SVR[J].Machinery & Electronics,2024,42(12):15.

备注/Memo

备注/Memo:
收稿日期: 2023-03-17
基金项目:中国南方电网有限责任公司科技项目( ZDKJXM20210047 )
作者简介:邓韦斯 ( 1990- ),女,湖北宜昌人,博士,高级工程师,研究方向为新能源预测、新能源调度运行、电力市场、电力系统分析等。
更新日期/Last Update: 2024-01-10