基于相似日和主成分分析的光伏发电系统短期出力预测

• 作者: 侯松宝 孔力 曹辉 王侃宏 石凯波
• 来源期刊: 可再生能源
• 学科: 工学
• 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
• 年，卷（期）: 2018,（1）
• 页码范围: 15-21
• 页数: 7页
• 分类号: TK9|TM615
• 字数: 4584字
• 语种: 中文

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％.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王侃宏	河北工程大学能源与环境工程学院	47	326	11.0	16.0
2	石凯波	河北工程大学能源与环境工程学院	9	23	2.0	4.0
3	侯松宝	河北工程大学能源与环境工程学院	9	23	2.0	4.0
4	曹辉	河北工程大学能源与环境工程学院	11	43	3.0	6.0
5	孔力	河北工程大学能源与环境工程学院	2	14	1.0	2.0