资 源 简 介
分析了光伏系统的发电特性以及影响光伏发电的因素，建立了反馈型神经网络光伏系统发电功率预测模型。该模型采用 Elman 神经网络结构，利用其强大计算能力、映射能力和稳定性，将光伏发电的历史数据和天气情况一同作为样本，对模型进行训练和发电功率预测。仿真结果表明，该方法建立的预测模型具有较高的精度，为解决光伏系统发电功率预测提供了一种可行路径。
大规模光伏并网发电是利用太阳能的一种有效方式，但光伏发电系统受光照强度和环境温度等因素的影响，其输出功率的变化具有不确定性，不利于电网调度部门安排常规电源和光伏发电的协调配合。因此，需要对光伏系统的输出功率预测进行研究，预先获得其输出功率曲线，从而协调电网调度部门统筹安排，减少光伏发电随机性对电力系统的影响，提高系统安全性和稳定性［1-4］。
光伏发电功率预测方法分为两类：间接法和直接法。文献［5］为间接法，即采用光照强度历史数据，通过神经网络方法进行光照强度预测，然后通过光照强度和环境温度等参数计算光伏输出功率，文献 ［6-7］为直接法，即采用光伏系统历史发电数据，分别建立支持向量机和 BP 神经网络模型对光伏出力和光伏发电量进行短期预测。本文采用反馈型神经网络（RNN）建立光伏系统发电功率预测模型，与前馈型神经网络（FNN）预测模型进行比较，其计算速度更快，准确性更高。
