基于混沌搜索的AMPSO-BPNN在光伏功率预测中的应用研究

被引：12

作者：

张建成 ^{[1
]}

李倩 ^{[2
]}

周春霞 ^{[3
]}

庞春江 ^{[1
]}

丁晓哲 ^{[1
]}

机构：

[1] 华北电力大学电气与电子工程学院

[2] 唐山供电公司

[3] 中国电力科学研究院

来源：

华北电力大学学报(自然科学版) | 2014年 / 41卷 / 04期

关键词：

光伏发电系统; 相似日; 混沌搜索; 自适应变异; 粒子群算法;

D O I：

暂无

中图分类号：

TM615 [太阳能发电];

学科分类号：

0807 ;

摘要：

以光伏发电系统的输出功率为研究对象,通过分析光伏发电功率的影响因素,利用相似日原理生成训练样本,将混沌搜索和自适应变异思想引入粒子群算法中,提出混沌搜索的自适应变异粒子群优化BP神经网络的预测模型。该模型较好地克服了BP网络初始化的随机性问题,提高了模型的泛化能力、收敛速度与预测精度。利用光伏电站与气象观测站的数据进行仿真分析与验证,结果表明:优化后模型的预测精度高于优化前,且混沌搜索的AMPSO的优化效果好于单纯PSO的优化效果。

引用

页码：15 / 21

页数：7

共 19 条

[1] 一种基于混沌搜索和鲶鱼效应策略的粒子群算法 [J].