通過(guò)實(shí)測(cè)光伏電站所在區(qū)域主要?dú)庀?a target='_blank' class='arckwlink_none'>參數(shù)和光伏電站電氣參數(shù)， 應(yīng)用 BP神經(jīng)網(wǎng)絡(luò)算法建立光伏電站數(shù)學(xué)模型， 形成預(yù)測(cè)樣本數(shù)據(jù)庫(kù)， 不斷與歷史數(shù)據(jù)、歷史曲線、歷史預(yù)測(cè)結(jié)果進(jìn)行對(duì)比與改進(jìn)， 以實(shí)現(xiàn)較小的誤差預(yù)測(cè)。光伏電站光功率及發(fā)電量預(yù)測(cè)， 有利于提高電網(wǎng)接納光伏發(fā)電的能力， 促進(jìn)電網(wǎng)對(duì)不穩(wěn)定可再生能源的接納和消化。

　基于 BP神經(jīng)網(wǎng)絡(luò)建立模型

　　BP神經(jīng)網(wǎng)絡(luò)是基于誤差反向傳播算法的人工神經(jīng)網(wǎng)絡(luò)， 它隨著數(shù)據(jù)信息的不斷變化， 可進(jìn)行自我學(xué)習(xí)改進(jìn)， 完成正向誤差傳播和反向誤差傳播。數(shù)據(jù)每經(jīng)一次處理， 神經(jīng)網(wǎng)絡(luò)就可完成一次自我學(xué)習(xí)， 不斷完成教學(xué)修正， 自動(dòng)對(duì)各數(shù)據(jù)計(jì)算權(quán)重值進(jìn)行調(diào)整優(yōu)化， 直至數(shù)據(jù)處理結(jié)果和實(shí)際測(cè)量接近， 并不斷進(jìn)行神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)訓(xùn)練。并網(wǎng)型光伏電站光功率及發(fā)電量預(yù)測(cè)的 BP神經(jīng)網(wǎng)絡(luò)模型結(jié)構(gòu)如圖 1所示。

　　在實(shí)際預(yù)測(cè)中， 光伏電站自有的微觀氣象系統(tǒng)提供了訓(xùn)練神經(jīng)網(wǎng)絡(luò)的氣象參數(shù)， 并實(shí)時(shí)讀取電氣參數(shù)， 神經(jīng)網(wǎng)絡(luò)不斷對(duì)預(yù)測(cè)發(fā)電量值與實(shí)測(cè)發(fā)電量值進(jìn)行比較、網(wǎng)絡(luò)學(xué)習(xí)訓(xùn)練、誤差修正， 形成多種類(lèi)型的預(yù)測(cè)樣本， 并不斷優(yōu)化預(yù)測(cè)樣本。