一种遗传神经网络逐时太阳辐射预测模型
太阳能光伏发电被认为是转换效率最高、使用期长、可提供大量电力的一种太阳能利用方式.我国太阳能资源丰富,理论储量大,近年来发展势头强劲.但与其他发电能源形式相比,太阳能的时空分布不均匀,受气象条件影响较大,因此太阳能光伏发电具有不连续、不确定的缺点.随着国内太阳能光伏装机容量的迅速扩大,气象部门发展逐时地面太阳辐射及在此基础上的发电量预报技术方法和服务系统,有助于降低发电企业运营成本,提高电网调度效率,保障电网安全运行.本文设计了一种基于遗传算法的神经网络太阳辐射预测模型,本模型结合了历史逐时辐射数据和气象要素数据,并在训练和预测时加入了温度日较差和天气类型预报参数.还设计了预测因子选择方法,输入资料的处理方法,结果误差评估方法.利用武汉站2007年至2009年8月辐射数据对模型进行了训练,并对2009年8月的逐时辐射进行了诊断预报.预测结果表明,预测模型在天气类型稳定的情况下具有较高的精度,能够反映太阳辐射的日变化状况和辐射量级大小.但在天气类型剧烈变化的情况下预测精度较差,模型对于阴雨复杂天气和剧烈变化天气的预报能力也有限.
遗传算法 神经网络 逐时总辐射
成驰 陈正洪 张礼平
湖北省气象科技服务中心,430074 武汉区域气候中心,430074
国内会议
北京
中文
1-5
2010-10-01（万方平台首次上网日期，不代表论文的发表时间）