基于CS＿BPNN的光伏发电功率预测模型研究

发布时间：2021-09-06 14:14

　　光伏发电功率预测对电网的安全稳定运行具有重要意义。通过数据预处理,运用灰色关联度分析计算时序相似度,提高了相似日选取的准确度。提出了基于布谷鸟搜索算法优化BP神经网络的光伏发电功率预测模型,并通过实验的方法分别对晴天、阴天和雨天三种天气类型下的光伏功率进行预测,将其与粒子群优化算法优化BP神经网络模型、BP神经网络模型进行对比。结果表明,基于布谷鸟搜索算法优化BP神经网络的光伏发电功率预测模型,在光伏发电功率预测领域具有更高的精度与稳定性。 

【文章来源】：价值工程. 2019,38(04)

【文章页数】：3 页

【文章目录】：
0 引言
1 基于CS_BPNN的光伏发电功率预测模型
    1.1 BP神经网络
    1.2 布谷鸟搜索算法 (CS)
    1.3 CS_BPNN光伏发电功率预测模型
2 数据处理
    2.1 数据预处理
    2.2 计算相似日
3 实例分析
    3.1 模型参数及评价指标
    3.2 预测结果分析
4 结束语


【参考文献】：
期刊论文
[1]基于样本双重筛选的光伏发电功率预测[J]. 冬雷,周晓,郝颖,廖晓钟,高阳.  太阳能学报. 2018(04)
[2]基于改进相似日和ABC-SVM的光伏电站功率预测[J]. 葛乐,陆文伟,袁晓冬,周前.  太阳能学报. 2018(03)
[3]基于Elman算法的光伏阵列的短期功率预测研究[J]. 李练兵,张佳,韩靖楠,王泽伟,马欲晓.  太阳能学报. 2017(06)
[4]光伏发电短期预测研究进展综述[J]. 荆博,谭伦农,钱政,裴岩,王婧怡.  电测与仪表. 2017(12)
[5]基于改进支持向量机算法的光伏发电短期功率滚动预测[J]. 王继东,宋智林,冉冉.  电力系统及其自动化学报. 2016(11)
[6]基于遗传算法优化神经网络的光伏电站短期功率预测[J]. 刘沛汉,袁铁江,梅生伟,吐尔逊·伊不拉音,赵力.  水电能源科学. 2016(01)



本文编号：3387610