基于PSO-DE-BP的光伏发电功率短期预测

摘要：

提高光伏发电功率预测精度对保障智能电网安全稳定运行有重要意义;针对传统BP神经网络存在预测精度不高且收敛速度慢的弊端,提出一种基于粒子群(PSO)差分进化(DE)并行计算优化BP神经网络的光伏发电短期预测方法;首先分析影响因素重要程度,通过带权重的欧式距离筛选相似的训练样本集;其次,对粒子群分组,通过粒子群和差分进化混合算法对粒子组内和组间优化,以保证种群多样性、提高预测稳定和精度、避免局部最优;然后,建立预测模型,通过基于spark的内存计算平台,将PSO-DE-BP算法并行优化以提高算法运行效率;最后,根据不同天气类型的预测结果对模型进行分析验证,此方法比PSO-BP、BP算法模型具有更高的稳定性和预测精度.

关键词：光伏发电预测、BP神经网络、差分进化、粒子群分组、Spark并行计算

所属期刊栏目：31

分类号：TM615(发电、发电厂)

资助基金：国家电网公司总部科技项目5100-202113396A

在线出版日期：2023-07-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：180-186