基于改进麻雀搜索算法优化支持向量机的短期光伏发电功率预测
为了提高光伏发电功率预测的可靠性与准确率,提出一种基于改进麻雀搜索算法(tSSA)优化支持向量机(SVM)的短期光伏发电功率预测模型.首先采用自适应t分布增强麻雀搜索算法的种群多样性,然后利用tSSA针对SVM中的惩罚参数和核函数参数进行优化,在得到最优惩罚参数和核函数参数的情况下对光伏发电功率进行预测.对澳大利亚某光伏电站一年内的数据分析发现,每个季节的光伏发电功率有明显的不同.为此,充分考虑外界环境参数如辐照度、湿度、温度、风速和风向的影响,基于tSSA-SVM模型对不同季节的某一天做光伏发电功率预测.仿真结果表明,该模型具有较高的预测精度,特别是对秋、冬季节的光伏发电功率预测更为准确,具有较高的实用价值.
光伏发电;功率预测;麻雀搜索算法;支持向量机;自适应t分布
50
TM615(发电、发电厂)
国家自然科学基金;国家自然科学基金;国家自然科学基金;国家自然科学基金
2022-02-16(万方平台首次上网日期,不代表论文的发表时间)
共6页
74-79