研究目的
利用气象参数预测太阳能光伏(PV)发电量,并分析这些参数对预测光伏发电量的影响,重点研究不同气溶胶颗粒及其他气象参数条件下基于优化的光伏发电预测模型的性能表现。
研究成果
基于灰狼优化算法的MLP模型在光伏发电功率预测中表现优于其他智能技术,其统计指标NMBE、NMAE和NRMSE分别为2.267%、4.681%和6.67%。该模型适用于不同空气质量条件,可用于智能电网能源管理和需求响应应用。
研究不足
所提出的模型在太阳辐射更为分散的情况下性能会下降。该模型在训练时需要较大的计算内存。
1:实验设计与方法选择:
基于灰狼优化算法(GWO)开发新智能方法,采用多层感知器(MLP)构建光伏功率预测模型,通过统计指标评估性能表现。
2:样本选取与数据来源:
输入参数为气象数据(包括太阳辐照度、电池温度、林克浑浊因子和风速),采集自实验室屋顶安装的5千瓦并网光伏系统。
3:实验设备与材料清单:
使用Solar System Analyzer 9018BT进行数据采集。
4:实验流程与操作步骤:
每两分钟采集日间数据,利用该数据集完成模型训练与验证。
5:数据分析方法:
采用NMBE、NMAE、NRMSE及训练误差等统计指标评估性能。
独家科研数据包,助您复现前沿成果,加速创新突破
获取完整内容