基于SSA-BP神经网络的光伏短期功率预测 |
| |
引用本文: | 谢少华,何 山,闫学勤,张 强.基于SSA-BP神经网络的光伏短期功率预测[J].浙江工业大学学报,2022,50(6):628-633. |
| |
作者姓名: | 谢少华 何 山 闫学勤 张 强 |
| |
基金项目: | 国家自然科学基金资助项目(51667020) |
| |
摘 要: | 光伏发电的波动性和随机性导致光伏功率预测精度难以达到理想状态,而提高光伏发电功率的预测精度是抑制光伏并网不利影响的有效途径。为了提高BP神经网络的预测精度,运用麻雀算法对 BP神经网络的权阈值进行寻优,提出了一种基于麻雀算法(SSA)-BP神经网络的光伏短期功率预测
方法。首先,在 Matlab中建立SSA优化BP神经网络模型;然后,以某光伏电站的气象数据为输入,在 晴天、阴天和突变天气3种工况下对光伏电站的功率进行预测;最后,将SSA 优化BP神经网络模型 预测结果分别与BP神经网络预测结果、PSO优化BP神经网络预测结果和光伏电站的实际出力数据进
行对比。结果表明:麻雀算法能够提高BP神经网络模型的预测精度,实现对光伏短期功率的有效预测。
|
|
| 点击此处可从《浙江工业大学学报》浏览原始摘要信息 |
|
点击此处可从《浙江工业大学学报》下载全文 |
|