基于非平稳太阳辐照强度计算和LMS滤波器光伏电站功率预测方法

光伏电站功率预测对电力系统调度及安全稳定运行具有重要意义,对于光伏电站输出功率时间序列表征出来的周期性非平稳特性,采用计算理论太阳辐照强度的方法完成去趋势化的数据预处理,在此基础上提出了一种理论太阳辐照强度计算和LMS自适应滤波器相结合的光伏电站功率预测方法。将光伏电站过去时刻运行值作为滤波器的输入,当前时刻运行值作为滤波器的期望值,自适应滤波器即可建立光伏电站功率预测模型的有限脉冲响应逼近模型。该算法简单,能够实时显式结果。使用某光伏电站运行数据进行验证结果表明该方法对超短期功率预测精度较高。

基于小波分析与神经网络的光伏电站功率预测方法

针对光伏电站输出功率时间序列表征出来的周期性非平稳特性,提出一种基于多尺度小波分解和神经网络相结合的光伏功率预测方法。将光伏电站输出功率时间序列在不同尺度上进行小波分解,得到逼近信号和多层细节信号。利用神经网络逼近非线性函数的能力,选择理论计算太阳辐照强度和气象环境逼近信号作为逼近信号神经网络模型的输入,选择气象环境细节信号作为细节信号神经网络模型的输入。输出结果叠加合成得到原始光伏电站输出功率序列预测值。算例分析表明,该文提出的将光伏电站输出功率时间序列分解为周期性逼近信号和准平稳细节信号,并分别采用神经网络建立预测模型的方法保证算法的收敛性和预测精度。