基于相似日和主成分分析的光伏发电系统短期出力预测 |
| |
引用本文: | 侯松宝,王侃宏,石凯波,孔力,曹辉. 基于相似日和主成分分析的光伏发电系统短期出力预测[J]. 可再生能源, 2018, 0(1) |
| |
作者姓名: | 侯松宝 王侃宏 石凯波 孔力 曹辉 |
| |
作者单位: | 河北工程大学能源与环境工程学院; |
| |
摘 要: | 针对光伏发电功率的间歇性和波动性,提出了一种基于主成分分析(PCA)和粒子群优化(PSO)算法的BP神经网络短期发电功率预测方法。该方法先对原始输入数据进行主成分分析,再将分析结果作为BP神经网络的输入数据。由于粒子群算法搜索速度较慢,但全局搜索能力较强,而传统的BP神经网络搜索速度较快,但易陷入局部极值点,因此将两者结合起来,既弥补了各自的劣势,又避免了预测模型的失效,从而提高了预测模型的预测精度。分析结果表明,当天气类型改变时,该预测模型的有效性不变,预测误差均小于20%。
|
关 键 词: | 光伏发电系统 主成分分析(PCA) 粒子群优化(PSO)算法 BP神经网络 |
Short-term output power forecast of Photovoltaic power generation system based on similar day and principal component analysis |
| |
Abstract: | |
| |
Keywords: | |
本文献已被 CNKI 等数据库收录! |
|