基于多层次特征提取的MCNN-ISMA-WLSSVM 光伏发电功率预测

• 作者: 王瑞 王英洲 逯静
• 来源期刊: 科技与创新
• 学科: 工学
• 关键词: 光伏发电 卷积神经网络 多层次特征提取 改进黏菌算法
• 年，卷（期）: 2024,（7）
• 页码范围: 7-15
• 页数: 9页
• 语种: 中文
• DOI: 10.15913/j.cnki.kjycx.2024.07.001

摘要

为了改善光伏发电功率的预测精度，提出一种基于干线式卷积神经网络（Mainline Convolution Neural Network,MCNN）、改进黏菌算法（Improve Slime Mould Algorithm,ISMA）以及加权最小二乘支持向量机（Weighted Least Squares Support Vector Machine,WLSSVM）模型的超短期光伏发电功率预测方法。首先，根据Pearson相关性分析，确定光辐照度、温度以及湿度为选取相似日的特征因素，并通过灰色关联分析选取预测日的相似日样本集。其次，将卷积神经网络提取的光伏发电数据特征作为WLSSVM的输入，解决传统数据驱动方法对特征提取和特征选择的依赖。其中，针对常规CNN只能对单一层的特征进行提取的缺陷，提出MCNN进行多层次的特征提取；针对黏菌算法寻优公式的不足，扩展了原黏菌算法的边界条件以及优化了最优个体的更新方式，得到改进黏菌算法，并用来确定WLSSVM的最佳参数。最后，建立基于MCNNISMA-WLSSVM的组合预测模型，并在不同天气类型下对光伏发电功率做预测仿真实验。结果表明，这种预测方法有更高的泛化性、鲁棒性和预测精度。