Resumen

La previsión de la generación de energía fotovoltaica (FV) es de gran importancia para el funcionamiento y el control del sistema eléctrico. En este artículo se propone un modelo de previsión combinada a corto plazo de la potencia fotovoltaica basado en la teoría del día similar y la entropía cruzada. Se analizan los principales factores que influyen en la potencia fotovoltaica. Desde la perspectiva de la teoría de la entropía, considerando la entropía de la distancia y la entropía de la relación gris, se propone un índice integral para seleccionar los días similares. A continuación, se utilizan la máquina de vectores de soporte de mínimos cuadrados (LSSVM), la media móvil autorregresiva (ARMA) y la red neuronal de propagación hacia atrás (BP) para pronosticar la potencia fotovoltaica, respectivamente. Las ponderaciones de los tres métodos de previsión se ajustan dinámicamente mediante el algoritmo de entropía cruzada y se establece el modelo de previsión combinada a corto plazo para la potencia fotovoltaica. Los resultados muestran que este método puede mejorar eficazmente la precisión de la predicción de la potencia fotovoltaica y es de gran importancia para el despacho económico en tiempo real.

• Materias:Energía solar Fotoquímica Fotocatálisis Energía limpia Efecto fotoeléctrico
• Subjects:Solar energy Photochemistry Photocatalysis Clean energy Photoelectric effect
• Palabras claves:potencia pv, modelo de previsión de combinación de términos, gran importancia, máquina de vectores soporte de mínimos cuadrados, algoritmo de entropía cruzada, teoría de la entropía cruzada, entropía de relación gris, métodos de previsión únicos, índice exhaustivo, entropía de distancia
• Keywords:pv power, term combination forecasting model, great significance, least square support vector machine, cross entropy algorithm, cross entropy theory, grey relation entropy, single forecasting methods, comprehensive index, distance entropy