基于ANN架构的新能源发电预测模型的研究

作     者：杨强 颜宗辉 杜秀举 吴胜安 牟景艳 李培霞 YANG Qiang;YAN Zonghui;DU Xiuju;WU Shengan;MU Jingyan;LI Peixia

作者机构：贵州电网有限责任公司安顺供电局贵州安顺561000 东方电子股份有限公司山东烟台264000 

出 版 物：《电气应用》 (Electrotechnical Application)

年 卷 期：2024年第43卷第2期

页      面：76-82页

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 080802[工学-电力系统及其自动化] 0808[工学-电气工程] 08[工学] 081104[工学-模式识别与智能系统] 0835[工学-软件工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：中国南方电网有限责任公司科技项目(GZKJXM20220060) 

主　　题：可再生能源 人工神经网络 预测模型 平均绝对误差 

摘      要：以风能和太阳能为代表的新能源具有随机性、间歇性和波动性,对新能源发电功率进行预测是有效解决以上问题的途径。为解决可再生能源(Renewable Energies,REs)在电力网络中不断整合对电力供应系统去中心化带来的问题,提出了一种基于神经计算的预测模型。首先,获取不同的数据集,并介绍了数据使用方法;其次,对不同的人工神经网络(Artificial Neural Network, ANN)架构进行了深入研究,同时探讨了不同的输入特征,以及对预测结果不确定性的评估方法;最后,通过模拟实验表明在光伏发电方面,本模型的预测相对平均绝对误差(Relative Mean Absolute Error,RMAE)可以在夏季达到2.5%,在冬季达到0.5%。而在整个年度内,通过使用输入类别特征的减小均值,光伏和风力发电的RMAE分别可以达到1.7%和4.9%。这一方法的实施为地区可再生能源的集成提供了有力支持,同时也为应对可再生能源的波动性和不可控性提供了新的解决思路。