基于改进BP-SVM-ELM与粒子化SOM-LSF的微电网光伏发电组合预测方法

发布时间：2017-10-26 20:32

  本文关键词：基于改进BP-SVM-ELM与粒子化SOM-LSF的微电网光伏发电组合预测方法

  更多相关文章： 分布式能源 微电网 组合预测 思维进化算法 粒子群算法 极限学习机 自组织特征映射网络

【摘要】：针对微电网中光伏发电短期预测难度大的问题,从新的空间角度提出一种直接考虑微电源间能量关系的组合预测方法。使用思维进化算法优化BP神经网络、粒子群算法优化支持向量机和基于单隐层前馈网络极限学习机分别进行预测,方差-协方差权值动态分配法来组合预测结果。并对单天预测和滚动预测,提出一种粒子化自组织特征映射网络相似日聚类,结合最小二乘法拟合等权平均输出的综合预测体系。实际实验表明,该方法具有互补性强、灵活度好和准确性高等优点,可为微电网优化调度提供技术参考。
【作者单位】： 中山大学物理学院;天宝电子(惠州)有限公司;
【关键词】： 分布式能源 微电网 组合预测 思维进化算法 粒子群算法 极限学习机 自组织特征映射网络
【基金】：广东省部产学研项目(2012B091100179;2014B090 903009;2016B090918107) 广东省科技计划(2013B010405009) 珠海市战略性新兴产业重大专项(2014D0601990002)~~
【分类号】：TM615
【正文快照】： 0引言微电网作为分布式电源和配电网的纽带,在未来能源供应中将发挥越来越重要的作用[1-2]。作为新能源供应中相对成熟的光伏发电,以其清洁可再生、建设周期短和运行维护量小,成为微电网中常见的一种微电源。然而光伏发电受太阳辐射和温度等因素影响,具有较强的间歇性和波动性

【相似文献】

中国期刊全文数据库 前10条

1 郑漳华;艾芊;;微电网的研究现状及在我国的应用前景[J];电网技术;2008年16期

2 麻敏;韩继明;麻秀慧;陈衍妍;;浅谈微电网[J];科技资讯;2009年15期

3 楼书氢;李青锋;许化强;刘鲁丹;;国外微电网的研究概况及其在我国的应用前景[J];华中电力;2009年03期

4 杨为;丁明;毕锐;高研;丁银;;微电网实验平台的设计[J];合肥工业大学学报(自然科学版);2010年01期

5 袁清芳;周作春;陈艳霞;李香龙;陈国锋;;微电网发展应对策略[J];农村电气化;2010年10期

6 安智敏;罗时光;;微电网的概念及发展[J];内蒙古石油化工;2011年21期

7 王t，

本文编号：1100341