10.16081/j.issn.1006-6047.2017.03.012
基于相似日和CAPSO-SNN的光伏发电功率预测
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.
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
37
TM615(发电、发电厂)
国家自然科学基金资助项目51277052,51507052;the National Natural Science Foundation of China51277052,51507052
2017-04-17(万方平台首次上网日期,不代表论文的发表时间)
共6页
66-71