基于AMBOA-DBN结合相似日的短期光伏功率预测 |
| |
引用本文: | 张程,林谷青,黄靖,匡宇,刘佳静.基于AMBOA-DBN结合相似日的短期光伏功率预测[J].太阳能学报,2023(6):290-299. |
| |
作者姓名: | 张程 林谷青 黄靖 匡宇 刘佳静 |
| |
作者单位: | 1. 福建工程学院电子电气与物理学院;2. 福建工程学院智能电网仿真分析与综合控制福建省高校工程研究中心 |
| |
基金项目: | 国家自然科学基金(51677059); |
| |
摘 要: | 提出一种综合灰色关联理论的数据挖掘方法选取相似日,运用自适应动态权重的变异蝙蝠算法优化DBN神经网络。首先从历史数据集和预测日数据两方面分析主要影响光伏发电功率的因素,通过在原有模糊灰色关联分析的基础上,引入计算事物各属性发展趋势相似程度为衡量标准的综合灰色关联理论,选取更高相似度的相似日;利用自适应动态权重蝙蝠算法对DBN的权值参数进行优化,以此改进神经网络训练过程中因初始权值选取不当而陷入局部最优或收敛时间过长等问题。建立短期光伏功率预测模型,将此模型与其他预测模型进行对比,实验结果表明该模型更具预测精准性。
|
关 键 词: | 数据挖掘 深度学习 预测 光伏发电 自适应算法 综合灰色关联理论 |
|
|