基于相似日选择联合PSO-RBF的光伏出力预测方法
针对传统径向基函数(RBF)光伏发电系统输出功率预测模型精度较低问题,提出一种基于相似日选择联合改进粒子群算法(PSO)优化的RBF神经网络光伏出力预测模型.首先采用波动指数、晴朗因子、温度指数和湿度指数4维特征对不同天气类型进行量化,进而提出一种相似度指标以衡量历史数据与预测日之间的相似程度并自动完成相似日选择,然后利用改进的PSO算法对RBF网络参数进行自动寻优,从而解决RBF网络参数选择困难、易陷入局部极值的问题.最后以实际光伏发电系统出力数据作为研究对象开展试验,结果表明所提方法相对于传统RBF神经网络方法可以获得更优的预测精度,并且对不同气候条件具有更强的适应能力和稳定性,具有较高的推广应用价值.
光伏出力预测、径向基神经网络、特征提取、粒子群算法、模型优化
43
TP271(自动化技术及设备)
2021-05-08(万方平台首次上网日期,不代表论文的发表时间)
共6页
78-83