基于PSO与ELM组合算法的短期光伏发电功率预测模型

• 作者: 余沣 常朝辉 董存 蒋建东 陈海刚
• 来源期刊: 郑州大学学报（理学版）
• 学科: 工学
• 关键词: 光伏发电 功率预测 极限学习机 粒子群优化算法 预测精度
• 年，卷（期）: 2019,（3）
• 所属期刊栏目: 基础科学与工程技术
• 页码范围: 120-126
• 页数: 7页
• 分类号: TM615
• 字数: 4862字
• 语种: 中文
• DOI: 10.13705/j.issn.1671-6841.2018314

摘要

光伏发电功率受自然环境因素影响较大,具有很强的随机性和波动性,准确及时的光伏发电功率预测对电网的调度运行具有重要的意义.提出了一种基于PSO与ELM组合算法的短期光伏发电功率预测模型.该模型通过调整粒子群优化算法( particle swarm optimization, PSO)不同阶段的寻优重点,为极限学习机( extreme learning ma-chine, ELM)设定出了最佳网络参数,避免了ELM随机产生输入层权值和隐含层阈值造成的网络不稳定问题.同时结合传统神经网络和ELM网络隐含层节点选取原则为组合模型,设定了最佳隐含层节点数,提高了模型预测精度.实际算例验证了组合算法模型能够有效提高短期光伏发电功率预测的预测精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	蒋建东	郑州大学产业技术研究院	34	233	8.0	13.0
2	董存	国家电网有限公司国家电力调度通信中心	6	404	3.0	6.0
3	陈海刚		3	4	1.0	2.0
4	余沣	郑州大学产业技术研究院	1	0	0.0	0.0
5	常朝辉		1	0	0.0	0.0