计及太阳辐射和混沌特征提取的光伏发电功率DMCS-WNN预测法

发布时间：2021-09-07 15:57

　　针对现有光伏发电功率超短期预测法,建模复杂、准确度低,难以满足实际需求的问题,提出一种综合考虑太阳辐射和光伏输出功率混沌特征提取的DMCS-WNN组合预测法。首先,在分析影响光伏发电输出功率各外界因素基础上,利用C-C法进行混沌吸引子重构,挖掘数据自身蕴含的影响发电功率的各因素信息,并根据相关性分析,选择太阳辐射作为附加输入因子;然后,针对小波神经网络（wavelet neural network,WNN）初值敏感性不足,利用布谷鸟搜索算法（cuckoo search,CS）进行寻优,并提出一种双模式布谷鸟搜索算法（dual-modecuckoosearch,DMCS）以提高传统CS的收敛速度和搜索能力;最后,建立光伏发电功率DMCSWNN预测模型,并基于实例仿真,分析其在突变和非突变天气情况下的预测效果。结果表明:该预测法在各天气类型中均保持良好的预测准确度和适用性。 

【文章来源】：中国电机工程学报. 2019,39(S1)北大核心EICSCD

【文章页数】：9 页

【参考文献】：
期刊论文
[1]计及雾霾影响因素的光伏发电超短期功率预测[J]. 刘卫亮,刘长良,林永君,李静,李金拓,熊峰,陈晨.  中国电机工程学报. 2018(14)
[2]基于混沌-RBF神经网络的光伏发电功率超短期预测模型[J]. 王育飞,付玉超,孙路,薛花.  电网技术. 2018(04)
[3]微电网光伏发电的Adaboost天气聚类超短期预测方法[J]. 谭津,邓长虹,杨威,梁宁,李丰君.  电力系统自动化. 2017(21)
[4]基于数据挖掘的光伏阵列发电预测方法研究[J]. 程泽,李思宇,韩丽洁,蒋春晓.  太阳能学报. 2017(03)
[5]基于PNN/PCA/SS-SVR的光伏发电功率短期预测方法[J]. 王昕,黄柯,郑益慧,李立学,郎永波,吴昊.  电力系统自动化. 2016(17)
[6]基于萤火虫算法?广义回归神经网络的光伏发电功率组合预测[J]. 王昕,黄柯,郑益慧,李立学,邵凤鹏,贾立凯,徐清山.  电网技术. 2017(02)
[7]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[J]. 单英浩,付青,耿炫,朱昌亚.  中国电机工程学报. 2016(12)
[8]光伏功率预测技术[J]. 龚莺飞,鲁宗相,乔颖,王强.  电力系统自动化. 2016(04)
[9]基于灰色系统校正-小波神经网络的光伏功率预测[J]. 丁明,刘志,毕锐,朱卫平.  电网技术. 2015(09)
[10]光伏发电出力的条件预测误差概率分布估计方法[J]. 赵唯嘉,张宁,康重庆,王跃峰,李鹏,马烁.  电力系统自动化. 2015(16)



本文编号：3389831