基于改进鸟群算法和极限学习机模型的光伏发电系统输出功率预测研究

• 作者: 刘阳 方舟 曲立楠 李玲玲 饶宇飞
• 来源期刊: 可再生能源
• 学科: 工学
• 关键词: 光伏发电 预测 评估 改进鸟群算法 极限学习机
• 年，卷（期）: 2020,（10）
• 页码范围: 1318-1325
• 页数: 8页
• 分类号: TK519|TM615
• 语种: 中文

摘要

准确预测光伏发电系统的输出功率,可以帮助电网调度部门合理安排调度计划,并能够提高光伏发电场的发电效率.为此,文章首先提出了一种改进鸟群(IBSA)算法,并采用IBSA对极限学习机(ELM)进行优化,构建了性能良好的IBSA-ELM预测模型;然后,利用IBSA-ELM模型、BSA-ELM模型和SVM模型对光伏发电系统输出功率进行预测,并采用均方根误差(RMSE)和决定系数(R2)对该模型的预测效果进行评估.分析结果表明:IBSA算法的收敛精度优于BSA算法;IBSA-ELM模型的预测精度优于BSA-ELM模型和SVM模型.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	李玲玲		94	747	15.0	23.0
2	饶宇飞		1	0	0.0	0.0
3	刘阳		2	0	0.0	0.0
4	方舟		1	0	0.0	0.0
5	曲立楠		1	0	0.0	0.0