基于改进PSO-RBF神经网络的光伏功率预测 |
| |
引用本文: | 陈玉,吴长林,高文根. 基于改进PSO-RBF神经网络的光伏功率预测[J]. 四川理工学院学报(自然科学版), 2020, 33(3): 40-45 |
| |
作者姓名: | 陈玉 吴长林 高文根 |
| |
作者单位: | 高端装备先进感知与智能控制教育部重点实验室(安徽工程大学),安徽 芜湖 241000;高端装备先进感知与智能控制教育部重点实验室(安徽工程大学),安徽 芜湖 241000;安徽工程大学电气工程学院,安徽 芜湖 241000 |
| |
基金项目: | 安徽省重点研究与开发计划项目 |
| |
摘 要: | 针对RBF算法的隐节点中心和参数会影响光伏发电功率的预测精度,提出了一种基于改进粒子群算法(Particle Swarm Optimization,PSO)优化径向基函数网络(Radial Basis Function,RBF)算法,通过寻找相似日,将相似日的实际功率和影响光伏发电功率的气象因子数据作为输入,同时利用改进PSO优化RBF网络参数,建立预测模型进行训练和预测。在粒子群优化算法中,通过动态调整惯性权重,有效地提高了非线性问题的求解能力,采用改进粒子群优化算法优化径向基神经网络参数,兼顾了PSO和RBF神经网络模型的优点,具有较好的收敛速度和预测精度。通过实际光伏发电数据验证表明,该算法具有较高的预测精度。
|
关 键 词: | 光伏发电 预测 改进PSO-RBF 优化 |
Photovoltaic Power Prediction Based on Improved PSO-RBF Neural Network |
| |
Abstract: | |
| |
Keywords: | |
本文献已被 CNKI 万方数据 等数据库收录! |
|