基于相似日和CAPSO-SNN的光伏发电功率预测

被引：61

作者：

陈通 ^{[1
]}

孙国强 ^{[1
]}

卫志农 ^{[1
]}

臧海祥 ^{[1
]}

孙永辉 ^{[1
]}

Kwok W Cheung ^{[2
]}

李慧杰 ^{[3
]}

机构：

[1] 河海大学能源与电气学院

[2] ALSTOM Grid Inc

[3] 阿尔斯通电网技术中心有限公司

来源：

电力自动化设备 | 2017年 / 37卷 / 03期

关键词：

光伏发电; 功率预测; Spiking神经网络; 云自适应粒子群优化算法; 相似日选取;

D O I：

暂无

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：

针对光伏发电功率预测精度不高的问题,提出一种基于相似日和云自适应粒子群优化(CAPSO)算法优化Spiking神经网络(SNN)的发电功率预测模型。考虑到季节类型、天气类型和气象等主要影响因素,提出以综合相似度指标进行相似日选取;以SNN强大的计算能力和其善于处理时间序列问题的特点为基础,结合CAPSO算法搜索的随机性和稳定性优化SNN的多突触连接权值,减少对权值的约束,提高算法的收敛精度。根据某光伏电站的实测功率数据对所提模型进行测试和评估,结果表明,该模型比传统预测模型具有更高的预测精度和更好的适用性。

引用

页码：66 / 71

页数：6

共 17 条

[1]

风水气互补发电优化的云模型自适应粒子群优化算法 [J].