摘要：受天气状况、辐照度、温度、湿度等气象因素的影响,光伏系统的输出具有很强的非线性和非平稳性的特点,光伏发电量预测精度较低。该文根据光伏系统的历史发电数据和实际气象数据,采用模糊识别与RBF神经网络相结合的方法,实现光伏系统发电量的短期预测。首先对影响预测结果的气象因素进行分析,然后按天气类型进行分类,对不同的天气类型分别建立模型进行训练,最后利用此模型预测未来的光伏系统发电量,并通过实验仿真验证。预测结果表明,该方法不但减少了模型所需样本数量而且提高了预测的精度,具有一定的科研价值。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社