摘 要：随着我国光伏发电的发展，光伏并网规模逐渐扩大，由于光伏发电系统出力具有明显的间歇性及波动性，光伏发电功率预测可调整电能的分配计划，提高能源的利用率。首先，对光伏发电系统及输出功率特性进行分析，制定按日气象类型划分为晴天、阴云和雨天三种模式分别预测光伏发电输出功率。接着，本文选择反向传播(Back Propagation，BP)神经网络，构建基于BP神经网络的光伏发电功率预测模型，利用气象信息以及发电量数据对日光伏发电量进行预测。选取预测前一日六时至十七时每一小时为间隔，共13个实际可发电时间段的光伏发电量和预测日此13个时段的温度和光照强度作为输入量，输出量则为预测日13个时段发电量。最后，分析晴天、阴云和雨天三种光伏发功率预测模型的训练及预测结果，结果表明该模型预测精度较高。 

 

 

关键词：光伏发电，功率预测，BP神经网络   

 

目   录

 

 

1 绪论 4

1.1 硏究背景与意义 4

1.2 国内外研究现状 5

1.3 主要研究内容 6

2 光伏系统及输出功率特性分析 7

2.1光伏电池的工作原理 7

2.2光伏电池等效电路模型 8

2.3光伏发电系统 9

2.4光伏发电量的环境影响因素 10

2.4.1 辐射强度影响光伏系统发电功率 10

2.4.2 温度影响光伏系统发电功率 11

2.4.3 日气象类型影响光伏系统发电功率 13

3 BP神经网络基本原理 13

3.1BP神经网络的结构 13

3.2学习算法 14

3.2.1 信息的正向传播 14

3.2.2 由梯度下降法求信息的反向传播 14

3.3 构建神经网络 15

4. 基于BP神经网络的光伏发电功率预测模型 16

4.1 构建BP神经网络模型 16

4.1.1 输入层节点的确定 17

4.1.2  确定隐含层节点 17

4.1.3 确定输出层节点 18

4.2 预测结果分析 18

4.2.1 晴天模型预测结果分析 18

4.2.2 阴云模型预测结果分析 21

4.2.3雨天模型预测结果分析 24

4.2.4预测分析总结 27

结  论 28

参 考 文 献 29

致  谢 30

附录 31