基于关联规则与WPA-BPNN光伏发电功率预测
谷鹏
肖建于
宋香鹏
徐成振
1.淮北师范大学 计算机科学与技术学院,安徽 淮北2350002.淮北师范大学 计算机科学与技术学院,安徽 淮北2350003.淮北师范大学 计算机科学与技术学院,安徽 淮北2350004.淮北师范大学 计算机科学与技术学院,安徽 淮北235000
摘要：光伏发电功率预测有助于提升电网的稳定性和纳电能力,但在利用神经网络方法预测中,若输入变量和输出结果相关性差,则会导致多数据的预测模型存在预测精度差、收敛速度慢的问题,因此,提出一种基于关联规则与狼群算法优化BP神经网络(WPA-BPNN)算法的短期光伏功率预测模型.通过关联规则算法(Apriori)对光伏功率与气象因素进行关联规则挖掘确定影响光伏发电功率的关键因素,减少数据冗余,优化BP算法神经结构,再利用WPA优化BPNN初始权值和阈值,提高其拟合能力.试验表明,所提预测模型误差最高减少34％,有较好的实际应用价值.
关键词：狼群算法BP神经网络光伏发电功率预测关联规则
分类号：TM615(发电、发电厂)
资助基金：安徽省自然科学基金(1908085QF286)
论文发表日期：2020-09-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：6( 322-327 )
英文信息