Key points are not available for this paper at this time.
En raison de l'intermittence et de l'arbitraire de la puissance photovoltaïque (PV) solaire, il est difficile pour les opérateurs de système de dispatcher les centrales photovoltaïques. Pour trouver une prévision précise de la production de puissance PV pour la journée à venir, les modèles conventionnels ont pris en compte les données de température, d'humidité et de vitesse du vent pour la prévision, mais ces prédictions n'étaient pas suffisamment précises dans des conditions météorologiques extrêmes. L'index d'aérosols (IA), qui indique les particules en suspension dans l'atmosphère, a montré une forte corrélation linéaire avec l'atténuation du rayonnement solaire et pourrait avoir une influence potentielle sur la puissance générée par les panneaux photovoltaïques. Un nouveau modèle de prévision de puissance PV est proposé dans cet article, considérant les données de IA comme un paramètre d'entrée supplémentaire. Basé sur la classification des conditions météorologiques saisonnières, l'approche de réseau de neurones artificiels (RNA) par propagation arrière (BP) est utilisée pour prévoir les sorties de puissance PV pour les 24 prochaines heures. Les résultats estimés du modèle de prévision de puissance PV proposé coïncident bien avec les données de mesure, et le modèle proposé a montré sa capacité à améliorer la précision des prévisions, par rapport aux méthodes conventionnelles utilisant des RNA.
Liu et al. (Mon,) ont étudié cette question.