基于自组织映射的改进BP神经网络短期光伏出力预测研究

被引：3

作者：

詹仲强 ^{[1
]}

余金 ^{[2
]}

郭志 ^{[3
]}

王银涛 ^{[4
]}

克帕依吐吐尔逊 ^{[1
]}

机构：

[1] 国网新疆电力有限公司电力科学研究院

[2] 国网新疆电力有限公司经济技术研究院

[3] 国网淮南供电公司

[4] 新奥泛能网络科技股份有限公司

来源：

四川电力技术 | 2018年 / 41卷 / 02期

关键词：

光伏发电; 出力预测; 自组织映射; BP神经网络;

D O I：

10.16527/j.cnki.cn51-1315/tm.2018.02.006

中图分类号：

TM615 [太阳能发电];

学科分类号：

080811 [新能源发电与电能存储];

摘要：

针对光伏发电出力随机波动给电网调度造成困难这一问题,提出了一种基于SOM-PSO-BP的模型对光伏有功功率进行短期预测,用于提高电网对可再生能源的调度能力。首先采用自组织映射对原始数据组进行聚类降维;接着使用粒子群算法对BP神经网络的权重和偏置矩阵进行寻优;然后利用训练集构造SOM-PSO-BP预测模型;最后在对比仿真中验证了所提方法的有效性。

引用

页码：24 / 28+67 +67

页数：6

共 5 条

[1]

基于EMD-LSSVM的光伏发电系统功率预测方法研究 [J].

阳霜 ;

罗滇生 ;

何洪英 ;

阳经伟 ;

胡时雨 .

太阳能学报, 2016, 37 (06) :1387-1395

[2]

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, 40 (04) :140-151

[3]

基于小波分析的短期电价ARIMA预测方法 [J].

周明 ;

聂艳丽 ;

李庚银 ;

倪以信 .

电网技术, 2005, (09) :50-55

[4]

Entropy method combined with extreme learning machine method for the short-term photovoltaic power generation forecasting.[J].Pingzhou Tang;Di Chen;Yushuo Hou.Chaos; Solitons and Fractals: the interdisciplinary journal of Nonlinear Science; and Nonequilibrium and Complex Phenomena.2016,

[5]

Photovoltaic Output Power Chaotic Characteristic and Trend Prediction Based on the Actual Measurement Data..Wang Yufe;Sun Lu;Xue Hua;.Proceedings of the2016 IEEE 11th Conference on Industrial Electronics and Applications.2016,

← 1 →