当前在光伏电站出力短期预测方面较多的采用BP或者优化的BP神经网络算法,存在采用的优化算法单一、缺乏多种优化算法比较选优、预测误差大的问题。基于本地5 k W小型分布式光伏电站,综合考虑影响光伏出力的太阳光辐射强度、环境温度、风速气象相关因素和光伏电站历史发电数据,分别采用BP以及遗传算法和粒子群算法优化的BP神经网络算法—GA-BP和POS-BP构建了晴天、多云、阴雨三种天气条件下光伏出力短期预测模型。实测结果表明,三种神经网络算法预测模型在三种不同天气条件下均达到了一定的预测精度。其中GA-BP、POS-BP相比传统的BP预测模型降低了预测误差,且POS算法相比GA算法对于BP神经网络预测模型的优化效果更好,进一步降低了预测误差,适用性更强。
针对本地1.5 k Wp的分布式光伏电站尚未建立完善的数据采集系统和具有环保警示意义的节能减排显示平台,采用温湿度传感器和Zig Bee模块布设环境参量采集节点,实现光伏电站的环境参量实时采集、无线传输到监控中心上位机;光伏逆变器通过RS485总线与上位机通信进行发电数据的实时传输;环境参量和发电参量实时地显示到上位机界面并且存储到后台数据库,同时上位机控制LED点阵屏驱动模块实现环境参量和发电参量以及对应换算的减排量信息的实时刷新,以实时客观的节能减排数据来倡导人们"节能减排,保护环境"。
