考虑混沌特征的增强型大脑情绪神经网络光伏发电功率超短期预测模型

• 作者: 王育飞 杨启星 薛花
• 来源期刊: 高电压技术
• 关键词: 光伏发电 功率预测模型 混沌相空间重构 改进粒子群优化 增强型大脑情绪神经网络 超短期
• 年，卷（期）: 2021,（4）
• 所属期刊栏目: 促进可再生能源消纳的发电功率预测技术及应用专题|Special Isssue on Power Generation Forecasting Technology and Its Application to Promote the Consumption of Renewable Energy
• 页码范围: 1165-1175
• 页数: 11页
• 语种: 中文
• DOI: 10.13336/j.1003-6520.hve.20201811

摘要

为进一步提高光伏发电功率超短期预测的准确度,根据光伏功率时间序列固有的非线性混沌特征,提出一种基于改进粒子群优化(improved particle swarm optimization,IPSO)算法和增强型大脑情绪神经网络(enhanced brain emotional neural network,EENN)的光伏发电功率超短期预测模型.首先,利用非线性变换将光伏功率序列的隐含信息特征投射至高维相空间,获得反映吸引子轨迹的新数据空间;随后,为提高模型的超短期预测能力,通过考虑系统在空间中连续吸引子轨迹的非线性几何特征,利用EENN模型建立高维空间中的数据映射关系,并采用IPSO算法实现对EENN模型中所有权值和阈值的迭代优化,以提高EENN模型的数据挖掘和预测能力:最后,基于实测光伏发电功率数据进行单步预测以实现对所提模型的有效验证.算例分析表明,所提预测模型具有比传统模型更好的预测效果,有效提高了光伏功率超短期预测的准确度.