基于ANN架构的新能源发电预测模型的研究

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。