rbf神经网络预测_光伏发电预测中人工智能算法的应用研究综述

       能源是人类生存和发展的重要基石。随着社会的飞速发展，人类对于能源的需求日益增多，且随着在能源经济中扮演重要角色的化石能源的日渐减少，越来越多的研究开始探讨可再生能源的应用前景。光伏发电作为一种新型清洁能源，其将太阳辐射转化为电能，降低了人类对于化石能源的依赖，减少了因为化石能源的燃烧等造成的污染排放，进而提供了一种安全可靠的清洁能源。

       光伏电站的发电量不仅受到太阳辐照度和工作温度的影响，而且同四季、昼夜及阴晴等气象条件有较强的相关性。由于光伏发电具有间歇性和波动性的特点，导致了其在大规模并网发电的过程中存在不稳定性，由此提高了光伏电站规划设计和运行维护的难度。因此，如果能够准确预测未来短期内光伏发电的负荷及太阳辐照度情况，就可以提前做出相应的运行调度策略，这对于提升光伏电站的运行效率具有重要意义。已有一些利用传统工程方法和统计方法[1-5]

对光伏发电进行预测的研究，但是由于这些方法大多需要建立极其复杂的线性模型，难以应用到实际场景中；此外，光伏发电系统效率受外界因素( 如太阳辐照度) 的影响，是典型的外生变量的非线性模型[5]。因此，传统的工程方法和统计方法设计出的线性模型很难适用于这种多变的场景。

       人工智能技术作为新一代模拟人脑工作来解决复杂问题的技术，正在越来越多的应用于生产和生活中。光伏发电由于自身间歇性和波动性造成的发电效率瓶颈也有望通过人工智能算法来解决，已经有一些研究尝试使用人工智能算法来完成对光伏发电过程中各个环节的预测，其中包括使用深度学习来预测光伏发电负荷及太阳辐照度[6-9]，以及使用模糊逻辑[10]、遗传算法[11-12] 等人工智能算法来完成对负荷的预测。

       本文简述了人工智能算法在光伏发电预测的各个环节中的应用，并对这些算法进行了简单的对比和总结，最后对人工智能算法在光伏发电领域的深度应用进行了展望。

1 人工智能算法在光伏发电预测中的应用

       在光伏发电过程中，为了进一步提升光伏电站的运行效率，需要更实时、更精细地把