基于MIV分析的GA-BP神经网络光伏短期发电预测

被引：61

作者：

王英立 ^{[1
]}

陶帅 ^{[1
]}

候晓晓 ^{[1
]}

齐宏 ^{[2
]}

机构：

[1] 哈尔滨理工大学测控技术与通信工程学院

[2] 哈尔滨工业大学能源科学与工程学院

来源：

太阳能学报 | 2020年 / 41卷 / 08期

关键词：

光伏发电预测; 遗传算法; BP神经网络; 改进的MIV算法;

D O I：

10.19912/j.0254-0096.2020.08.032

中图分类号：

TM615 [太阳能发电]; TP183 [人工神经网络与计算];

学科分类号：

080811 [新能源发电与电能存储]; 140502 [人工智能];

摘要：

针对光伏发电神经网络预测模型输入变量较多,造成网络预测的稳定度与精确度不高的问题,提出一种基于改进MIV(mean impact value)算法的GA-BP神经网络光伏短期发电预测的方法。此方法结合Spearman相关系数显著性检验与利用欧式距离计算变化因子α改进的MIV分析,得到输入变量(气象因素)与输出变量(光伏发电量)的外部相关程度与内部相关程度,筛选出对输出变量相关程度最大的输入变量,利用优化的神经网络对光伏发电进行短期预测。实验结果表明,该方法的均方误差由BP、GA-BP预测网络的3.7034、1.8552减小到0.6450,提高了预测网络的稳定度与精准度。

引用

页码：236 / 242

页数：7

共 15 条

[1]

光伏发电系统预测研究进展 [J].