光伏发电功率预测中数据预处理方法

能源和环境问题是当今世界各国发展过程中制约经济发展和环境和谐的全球性问题,为此世界各国纷纷出台相应对策,我国作为能源消耗大国之一,2021年我国政府提出2030年碳达峰2060年碳中和计划,就是充分利用风力发电和光伏发电。我国从2012年开始,大力发展集中式光伏发电和分布式光伏发电,到2021年为止,我国累计光伏发电装机容量达到245.2GW。由于光伏发电受天气、云团等因素影响,它具有很强的随机性、偶然性,容易造成国家大电网电力运行和光伏发电运行之间电力调度矛盾。为此光伏发电预测在解决此矛盾过程,显得尤为重要。

基于Takagi-Sugeno模糊神经网络的光伏发电功率预测研究

在光伏发电预测中,一般都采用与发电功率正相关因素作为输入变量,这样操作很容易陷入局部最优。文章改变输入变量的选取范围,选取与光伏发电功率正、负相关性较大的因素作为光伏发电预测模型的输入变量,利用模糊系统具有收敛速度较快和神经网络具有自学习和调整参数容易等优点,提出Takagi-Sugeno模糊神经网络模型应用于光伏发电功率短期预测中,并与BP神经网络预测进行比较,其结果显示,所述预测模型预测精度比BP神经网络预测精度提高了10%。