基于优化BP神经网络光伏出力短期预测研究

摘要：

太阳能拥有丰富的资源,而且分布广泛,现已被广泛应用到各种应用中,光伏发电已是一种可靠可行、可扩展的重要可再生能源利用的方式,因此对光伏出力进行精准的预测意义重大;从宁夏市某光伏发电站获得了一年的光伏发电数据与气象等因素,选取四月至五月的数据进行研究预测;针对BP神经网络的收敛时间长,容易陷入局部极小值等缺点;建立单一 BP神经网络预测模型,基于遗传算法(GA)优化BP神经网络的GA-BP预测模型与基于狼群算法(WPA)优化的BP神经网络的WPA-BP预测模型;选择平均相对误差作为误差评估指标,结果表明,3种预测模型均能对光伏电站的发电功率进行预测,但是单一的BP神经网络模型误差较大,晴天时,误差为5.1％,经遗传算法改进后的预测误差为4.9％,较单一模型提高了 0.2％的精度,而WPA-BP预测模型误差为4.4％,预测精度高于前者;同时多云天和雨天的时候,均为WPA-BP模型的预测误差小,稳定性高,具有一定的研究价值.

关键词：光伏发电预测、组合预测模型、BP神经网络、遗传算法、狼群算法

所属期刊栏目：29

分类号：TP319(计算技术、计算机技术)

资助基金：国家自然科学基金项目;云南省教育厅科学研究基金项目

在线出版日期：2021-05-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：70-75