摘 要：针对忽视了天气因素，功率预测结果与实际功率相差较大的问题，提出了基于神经网络的新能源电站发电功率预测方法。使用卷积神经网络，构建新能源电站发电功率预测模型，确定神经网络激活函数，确定不同新能源电站发电功率数据之间的关联性，分析预测结果与实际发电功率间的误差，完成新能源电站发电功率预测。实验结果表明，此方法在晴天与非晴天条件下，均可得到精度较好的预测结果，缩短预测结果与实际发电功率的差距。
关键词：卷积神经网络；新能源电站；发电功率预测；小波分解
DOI:10.19850/j.cnki.2096-4706.2022.10.042
中图分类号：TM73 文献标识码：A 文章编号：2096-4706（2022）10-0165-05
Power Generation Power Prediction Method of New Energy Power Station Based on Neural Network
DONG Qiao
(State Grid Beijing Electric Power Company, Beijing 100031, China)
Abstract: Aiming at the problem that the weather factors are ignored and the power prediction results are quite different from the actual power, a power generation power prediction method of new energy power station based on neural network is proposed. The convolutional neural network is used to construct the power generation power prediction model of new energy power stations, determine the neural network activation function, determine the correlation between the power generation power data of different new energy power stations, analyze the error between the prediction results and the actual power generation power, and complete the power generation power prediction of new energy power stations. The experimental results show that this method can get better prediction results in sunny or non sunny days, and shorten the gap between the prediction results and the actual power generation power.
Keywords: convolutional neural network; new energy power station; power generation power prediction; wavelet decomposition
参考文献：
[1] 方鹏，高亚栋，潘国兵，等 . 基于 LSTM 神经网络的中长期光伏电站发电量预测方法研究 [J]. 可再生能源，2022，40（1）：48-54.
[2] 朱旭坤，姚李孝，杨国清 . 基于 PSOEM 和神经网络的光伏电站功率预测 [J]. 电网与清洁能源，2021，37（7）：115-120+135.
[3] 刘芳，汪震，刘睿迪，等 . 基于组合损失函数的 BP 神经网络风力发电短期预测方法 [J]. 浙江大学学报（工学版），2021，55（3）：594-600.
[4] 余光正，陆柳，汤波，等 . 基于云图特征提取的改进混合神经网络超短期光伏功率预测方法 [J]. 中国电机工程学报，2021，41（20）：6989-7003.
[5] 周勇良，余光正，刘建锋，等 . 基于改进长期循环卷积神经网络的海上风电功率预测 [J]. 电力系统自动化，2021，45（3）：183-191.
[6] 史如新，王德顺，余涛，等 . 基于 NARX 神经网络 - 小波分解光伏发电功率预测 [J]. 郑州大学学报（工学版），2020，41（6）：79-84.
[7] 田剑刚，张沛，彭春华，等 . 基于分时长短期记忆神经网络的光伏发电超短期功率预测 [J]. 现代电力，2020，37（6）：629-638.
[8] 刘军，陈正洪，王必强 . 基于神经网络和改进相似日的光伏电站功率预测 [J]. 水电能源科学，2020，38（10）：203-206.
[9] 姚宏民，杜欣慧，秦文萍 . 基于密度峰值聚类及 GRNN神经网络的光伏发电功率预测方法 [J]. 太阳能学报，2020，41（9）：184-190.
[10] 丁明，虞海彪，刘练，等 . 基于多变量相空间重构和RBF 神经网络的光伏功率预测方法 [J]. 电子测量与仪器学报，2020，34（8）：1-7.
[11] 杨丽薇，高晓清，蒋俊霞，等 . 基于小波变换与神经网络的光伏电站短期功率预测 [J]. 太阳能学报，2020，41（7）：152-157.
[12] 张旻，李天喆，张容进，等 . 基于信息融合的动态神经网络光伏功率预测 [J]. 电力科学与技术学报，2020，35（3）：68-73.
[13] 王晨阳，段倩倩，周凯，等 . 基于遗传算法优化卷积长短记忆混合神经网络模型的光伏发电功率预测 [J]. 物理学报，2020，69（10）：149-155.
[14] 王超洋，张蓝宇，刘铮，等 . 基于特征挖掘的 indRNN光伏发电功率预测 [J]. 电力系统及其自动化学报，2021，33（4）：17-22.
[15] 张弘鹏，刘家庆，郭希海，等 . 基于双深度神经网络的光功率预测方法 [J]. 重庆大学学报，2022，45（01）：50-58.
作者简介：董荞（1990.05—），男，汉族，辽宁庄河人，工程师，大学本科，研究方向：发电量计划管理。