基于PSO-DBN神经网络的光伏短期发电出力预测

• 作者: 李正明 梁彩霞 王满商
• 来源期刊: 电力系统保护与控制
• 关键词: 短期功率预测 相似日 深度置信网络 粒子群优化算法
• 年，卷（期）: 2020,（8）
• 所属期刊栏目: 工程应用
• 页码范围: 149-154
• 页数: 6页
• 字数: 4798字
• 语种: 中文
• DOI: 10.19783/j.cnki.pspc.190723

摘要

考虑到光伏输出功率的随机性和波动性,提出一种基于粒子群算法(Particle Swarm Optimization,PSO)优化深度信念网络(Deep Belief Network,DBN)的光伏短期发电出力预测方法.首先利用改进粒子群算法确定DBN神经网络最优的初始权值,建立初始DBN网络.其次,确定预测日后,利用灰色关联度法选出与预测日气象特征相似度高的日期.将这些日期的气象数据和历史发电数据作为训练集对初始DBN网络进行训练,建立预测模型.最后仿真结果表明,所用模型相比于传统的DBN神经网络具有更高的预测精度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李正明	江苏大学电气信息工程学院	157	1549	22.0	31.0
2	梁彩霞	江苏大学电气信息工程学院	3	2	1.0	1.0
3	王满商		2	0	0.0	0.0