基于多元宇宙优化支持向量机的短期光伏发电功率预测

• 作者: 丁倩 张倩 江涛 江锐 马骏
• 来源期刊: 热力发电
• 关键词: 光伏发电 功率预测 多元宇宙优化 SVM 惯性权值 差分进化
• 年，卷（期）: 2020,（4）
• 所属期刊栏目: 热能科学研究
• 页码范围: 87-92
• 页数: 6页
• 分类号: TM914
• 语种: 中文
• DOI: 10.19666/j.rlfd.201911244

摘要

准确预测光伏发电功率对电网日常调度规划至关重要.本文提出一种基于混合改进的多元宇宙优化(HIMVO)算法优化支持向量机(SVM)的短期光伏发电功率预测模型.首先,采用基于帐篷映射的混沌序列参与种群初始化,克服传统多元宇宙优化(MVO)算法易陷入局部最优的缺点;然后,在MVO算法的位置矢量更新中,引入一种非线性惯性权值下降策略,并加入差分进化(DE)算法进行全局搜索,采用HIMVO算法对SVM参数寻优,将优化后的HIMVO-SVM算法用于光伏发电功率预测.最后,在3种不同天气类型下对某地光伏电站输出功率进行预测仿真实验,预测结果与SVM、MVO-SVM方法预测结果进行对比,验证了HIMVO-SVM方法可有效提升短期光伏发电功率预测精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	丁倩		10	19	1.0	4.0
2	张倩	安徽大学电气工程与自动化学院	32	77	6.0	7.0
3	马骏		4	3	1.0	1.0
4	江锐		3	8	1.0	2.0
5	江涛		2	8	1.0	2.0