基于PSO-DBN神经网络的光伏短期发电出力预测

考虑到光伏输出功率的随机性和波动性,提出一种基于粒子群算法(Particle Swarm Optimization,PSO)优化深度信念网络(Deep Belief Network,DBN)的光伏短期发电出力预测方法.首先利用改进粒子群算法确定DBN神经网络最优的初始权值,建立初始DBN网络.其次,确定预测日后,利用灰色关联度法选出与预测日气象特征相似度高的日期.将这些日期的气象数据和历史发电数据作为训练集对初始DBN网络进行训练,建立预测模型.最后仿真结果表明,所用模型相比于传统的DBN神经网络具有更高的预测精度....

Full description

Saved in:
Bibliographic Details
Published in电力系统保护与控制 Vol. 48; no. 8; pp. 149 - 154
Main Authors 李正明, 梁彩霞, 王满商
Format Journal Article
LanguageChinese
Published 江苏大学电气信息工程学院,江苏镇江,212013%国网江苏省电力有限公司镇江供电分公司,江苏镇江,212013 16.04.2020
Subjects
相似日
短期功率预测
深度置信网络
粒子群优化算法
Online AccessGet full text
ISSN1674-3415
DOI10.19783/j.cnki.pspc.190723

Cover

More Information
Summary:考虑到光伏输出功率的随机性和波动性,提出一种基于粒子群算法(Particle Swarm Optimization,PSO)优化深度信念网络(Deep Belief Network,DBN)的光伏短期发电出力预测方法.首先利用改进粒子群算法确定DBN神经网络最优的初始权值,建立初始DBN网络.其次,确定预测日后,利用灰色关联度法选出与预测日气象特征相似度高的日期.将这些日期的气象数据和历史发电数据作为训练集对初始DBN网络进行训练,建立预测模型.最后仿真结果表明,所用模型相比于传统的DBN神经网络具有更高的预测精度.
ISSN:1674-3415
DOI:10.19783/j.cnki.pspc.190723