基于模糊宽度学习模型的光伏发电预测方法

李润泽¹，郭黎^1,2，李保平³，姜斌²

1. 湖北民族大学信息工程学院2. 南京航空航天大学自动化学院3. 国家电投集团河北电力有限公司张家口分公司

摘 要：太阳能是一种重要的清洁可再生能源,光伏发电可有效缓解现有能源危机和环境问题。然而光伏发电容易受到太阳辐射强度、温度等方面影响,具有明显的随机性和间歇性,对于大型光伏发电发展带来了挑战。本文提出基于模糊宽度学习系统（FuzzyBroad Learning System, FBLS）的光伏发电预测方法,分析模糊宽度学习模型应用于光伏预测的可行性,然后采用FBLS对输入光伏电站历史数据进行离线训练,利用训练好的模型对光伏电站实时采集气象数据进行光伏功率预测。实验结果表明,本文方法在RMSE和MAPE上均有明显降低,既能提高光伏预测精度,也能快速训练模型,解决了传统光伏预测方法复杂、模型训练时间长、网络参数多等缺点,具有明显优良的预测性能。

关键词：模糊宽度学习系统;光伏发电预测;机器学习;