基于结合混沌纵横交叉的PSO-DBN的短期光伏功率预测

TM615; 为了提高短期光伏发电预测的准确性,文中采用深度置信网络(DBN)建立了各模型函数的预测模型.通过分析各模型函数的特征,建立了光伏发电模型的功率预测.传统的基于神经网络的功率预测难以训练多层网络,影响其预测精度.DBN采用无监督贪婪逐层训练算法构建了一个在回归预测分析中具有优异性能的多隐层网络结构,已成为深度学习领域的研究热点.DBN连接权重采用结合混沌纵横交叉的粒子群优化算法(CC-PSO)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.最后,案例测试显示了所提出模型的有效性....

Full description

Saved in:
Bibliographic Details
Published in电测与仪表 Vol. 57; no. 6; pp. 67 - 72
Main Authors 孙辉, 冷建伟
Format Journal Article
LanguageChinese
Published 天津理工大学电气电子工程学院,天津,300384 25.03.2020
Subjects
粒子群算法
预测精度
混沌横纵交叉
深度信念网络
光伏功率预测
Online AccessGet full text
ISSN1001-1390
DOI10.19753/j.issn1001-1390.2020.06.011

Cover

More Information
Summary:TM615; 为了提高短期光伏发电预测的准确性,文中采用深度置信网络(DBN)建立了各模型函数的预测模型.通过分析各模型函数的特征,建立了光伏发电模型的功率预测.传统的基于神经网络的功率预测难以训练多层网络,影响其预测精度.DBN采用无监督贪婪逐层训练算法构建了一个在回归预测分析中具有优异性能的多隐层网络结构,已成为深度学习领域的研究热点.DBN连接权重采用结合混沌纵横交叉的粒子群优化算法(CC-PSO)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.最后,案例测试显示了所提出模型的有效性.
ISSN:1001-1390
DOI:10.19753/j.issn1001-1390.2020.06.011