基于相似日和CAPSO-SNN的光伏发电功率预测

• 作者: Kwok W Cheung 卫志农 孙国强 孙永辉 李慧杰 臧海祥 陈通
• 来源期刊: 电力自动化设备
• 学科: 工学
• 关键词: 光伏发电 功率预测 Spiking神经网络 云自适应粒子群优化算法 相似日选取
• 年，卷（期）: 2017,（3）
• 所属期刊栏目: 清洁能源
• 页码范围: 66-71
• 页数: 6页
• 分类号: TM615
• 字数: 5572字
• 语种: 中文
• DOI: 10.16081/j.issn.1006-6047.2017.03.012

摘要

针对光伏发电功率预测精度不高的问题,提出一种基于相似日和云自适应粒子群优化(CAPSO)算法优化Spiking神经网络(SNN)的发电功率预测模型.考虑到季节类型、天气类型和气象等主要影响因素,提出以综合相似度指标进行相似日选取;以SNN强大的计算能力和其善于处理时间序列问题的特点为基础,结合CAPSO算法搜索的随机性和稳定性优化SNN的多突触连接权值,减少对权值的约束,提高算法的收敛精度.根据某光伏电站的实测功率数据对所提模型进行测试和评估,结果表明,该模型比传统预测模型具有更高的预测精度和更好的适用性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	卫志农	河海大学能源与电气学院	239	4926	37.0	61.0
2	孙国强	河海大学能源与电气学院	167	3205	29.0	51.0
3	孙永辉	河海大学能源与电气学院	84	1459	18.0	36.0
4	李慧杰		18	518	12.0	18.0
5	臧海祥	河海大学能源与电气学院	49	429	12.0	19.0
6	陈通	河海大学能源与电气学院	6	64	3.0	6.0