基于小波变换和优化的Elman神经网络的光伏功率预测

摘要：

准确地预测光伏发电功率,有利于提高电网系统运行的可靠性和经济性.分析各个气象因素对光伏发电功率的影响,确立了关键的气象因素,并利用小波分析获得气象因子样本集和光伏功率样本集不同频带下的小波系数作为神经网络的输入训练集,结合Elman神经网络建立不同天气条件下的光伏功率预测模型.提出基于自适应遗传算法优化的Elman神经网络模型,优化后的Elman神经网络在晴天、阴天、雨天3种情况下预测值的平均相对误差率分别为5.43％、8.26％、14.15％,相较于Elman神经网络分别降低了13.16％、16.61％、17.33％,改善了Elman神经网络的预测精度,提高了Elman神经网络的学习能力和泛化能力,验证了所提方法的有效性.

关键词：光伏功率预测、气象因素、小波变换、改进Elman神经网络

所属期刊栏目：38

分类号：TK519(特殊热能及其机械)

资助基金：国家自然科学基金;国家自然科学基金

在线出版日期：2022-07-15（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：98-103,112