基于改进PSO-RBF神经网络的光伏功率预测

• 作者: 吴长林 陈玉 高文根
• 来源期刊: 四川轻化工大学学报（自然科学版）
• 学科: 工学
• 关键词: 光伏发电 预测 改进PSO-RBF 优化
• 年，卷（期）: 2020,（3）
• 所属期刊栏目: 机械、电子及计算机科学
• 页码范围: 40-45
• 页数: 6页
• 分类号: TM615
• 字数: 3476字
• 语种: 中文
• DOI: 10.11863/j.suse.2020.03.07

摘要

针对RBF算法的隐节点中心和参数会影响光伏发电功率的预测精度,提出了一种基于改进粒子群算法(Particle Swarm Optimization,PSO)优化径向基函数网络(Radial Basis Function,RBF)算法,通过寻找相似日,将相似日的实际功率和影响光伏发电功率的气象因子数据作为输入,同时利用改进PSO优化RBF网络参数,建立预测模型进行训练和预测.在粒子群优化算法中,通过动态调整惯性权重,有效地提高了非线性问题的求解能力,采用改进粒子群优化算法优化径向基神经网络参数,兼顾了PSO和RBF神经网络模型的优点,具有较好的收敛速度和预测精度.通过实际光伏发电数据验证表明,该算法具有较高的预测精度.