基于SWOA优化BP NN的光伏电站发电量预测
戴宝赋1
胡天2
谭建军1
孙先波1
黄勇1
朱黎1
胡涛1
易金桥1
1.湖北民族大学 信息工程学院,湖北 恩施4450002.国家电网湖北电力公司 宜昌供电公司,湖北 宜昌443000
摘要：为提高预测的精度和速度,研究一种基于选择鲸鱼优化算法(selection whale optimization algorithm,SWOA)优化的反向传播神经网络(back propagation neural network,BPNN),并用于光伏电站的发电量预测.针对WOA(鲸鱼优化算法)的收敛速度慢和易早熟等问题,采用Tent映射生成分布均匀的初始种群,引入非线性系数a替代线性系数,基于选择策略提高算法的收敛速度,构建以风速、压强、温度、湿度和辐照度等5种数据为输入,以发电量为输出的BPNN模型.经比较,SWOA-BPNN算法的预测精度和收敛速度优于PSO(粒子群优化)-BPNN算法和WOA-BPNN算法,其均方误差(mean squared error,MSE)比PSO-BPNN算法降低了0.0772.
关键词：选择鲸鱼优化算法BPNNTent映射光伏发电量预测
分类号：TP301(计算技术、计算机技术)
资助基金：国家自然科学基金(61771188)国家自然科学基金(61961017)湖北省教育厅科学技术研究项目(Q20151905)博士启动基金(MY2017B017)教育部卓越工程师教育培养计划项目产学合作协同育人项目(201902289038)
论文发表日期：2021-09-20
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( 321-325,331 )
英文信息