基于改进的Semi Boost天气聚类的CC-PSO-DBN短期光伏发电预测

• 作者: 冷建伟 孙辉
• 来源期刊: 计算机应用与软件
• 学科: 工学
• 关键词: Boosting 半监督分类 深度信念网络 混沌横纵交叉 粒子群算法 光伏功率预测
• 年，卷（期）: 2020,（8）
• 所属期刊栏目: 应用技术与研究
• 页码范围: 103-109
• 页数: 7页
• 分类号: TM615|TP3
• 字数: 5493字
• 语种: 中文
• DOI: 10.3969/j.issn.1000-386x.2020.08.019

摘要

为了提高短期光伏发电预测的准确性,提出一种改进Semi Boost(Semi-supervised Boosting)天气聚类法和结合混沌纵横交叉的粒子群优化算法(Particle swarm optimization combined with chaos crossover,CC-PSO)优化深度置信网络(Deep Belief Network,DBN)连接权重的组合光伏发电功率预测方法.为了提高预测精度,设计并训练了Semi Boost改进的基于加权K近邻(Weighted K-nearest Neighbor,WKNN)置信度传播(Belief Propagation,BP)分类方法,对各天气类型采用对应的网络进行预测.DBN连接权重采用CC-PSO算法优化,避免出现由随机初始化导致的局部最优解现象,从而提高了DBN网络预测性能.实验结果验证了该模型的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	冷建伟	天津理工大学电气电子工程学院	41	156	7.0	9.0
2	孙辉	天津理工大学电气电子工程学院	2	0	0.0	0.0