基于PSO优化BP神经网络的光伏发电量预测
李燕斌
万亚宁
肖俊明
朱永胜
杨璐
李超
马佳慧
1.中原工学院电子信息学院,河南郑州,4500072.中原工学院电子信息学院,河南郑州,4500073.中原工学院电子信息学院,河南郑州,4500074.中原工学院电子信息学院,河南郑州,4500075.中原工学院电子信息学院,河南郑州,4500076.中原工学院电子信息学院,河南郑州,4500077.中原工学院电子信息学院,河南郑州,450007
摘要：为了实现对光伏发电量的预测,降低光伏并网的不利影响,通过建立粒子群算法(Particle Swarm Optimization,PSO)优化的前馈神经网络光伏系统发电预测模型,进行光伏发电量的预测.该模型采用粒子群优化算法来优化神经网络内部权重和阈值,不仅收敛快,而且不易陷入局部极值,具有较强的泛化能力.以天气参数和光伏发电历史数据作为样本,比较了该模型与未经优化神经网络模型的预测效果.结果 表明,经PSO优化的神经网络模型预测精度更高,预测性能更好.
关键词：光伏系统短期发电预测BP神经网络粒子群算法
分类号：TM615(发电、发电厂)TP18(自动化基础理论)
资助基金：国家自然科学基金(61873292)河南省高等学校重点科研项目(19B470010)
论文发表日期：2019-01-01
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：5( 75-79 )
英文信息