华北电力大学学报(自然科学版)
華北電力大學學報(自然科學版)
화북전력대학학보(자연과학판)
Journal of North China Electric Power University
2014年
4期
15-21
,共7页
张建成%李倩%周春霞%庞春江%丁晓哲
張建成%李倩%週春霞%龐春江%丁曉哲
장건성%리천%주춘하%방춘강%정효철
光伏发电系统%相似日%混沌搜索%自适应变异%粒子群算法
光伏髮電繫統%相似日%混沌搜索%自適應變異%粒子群算法
광복발전계통%상사일%혼돈수색%자괄응변이%입자군산법
photovoltaic system%similar days%chaos search%adaptive mutation particle swarm optimization (AMPSO)%particle swarm algorithm
以光伏发电系统的输出功率为研究对象,通过分析光伏发电功率的影响因素,利用相似日原理生成训练样本,将混沌搜索和自适应变异思想引入粒子群算法中,提出混沌搜索的自适应变异粒子群优化BP神经网络的预测模型.该模型较好地克服了BP网络初始化的随机性问题,提高了模型的泛化能力、收敛速度与预测精度.利用光伏电站与气象观测站的数据进行仿真分析与验证,结果表明:优化后模型的预测精度高于优化前,且混沌搜索的AMPSO的优化效果好于单纯PSO的优化效果.
以光伏髮電繫統的輸齣功率為研究對象,通過分析光伏髮電功率的影響因素,利用相似日原理生成訓練樣本,將混沌搜索和自適應變異思想引入粒子群算法中,提齣混沌搜索的自適應變異粒子群優化BP神經網絡的預測模型.該模型較好地剋服瞭BP網絡初始化的隨機性問題,提高瞭模型的汎化能力、收斂速度與預測精度.利用光伏電站與氣象觀測站的數據進行倣真分析與驗證,結果錶明:優化後模型的預測精度高于優化前,且混沌搜索的AMPSO的優化效果好于單純PSO的優化效果.
이광복발전계통적수출공솔위연구대상,통과분석광복발전공솔적영향인소,이용상사일원리생성훈련양본,장혼돈수색화자괄응변이사상인입입자군산법중,제출혼돈수색적자괄응변이입자군우화BP신경망락적예측모형.해모형교호지극복료BP망락초시화적수궤성문제,제고료모형적범화능력、수렴속도여예측정도.이용광복전참여기상관측참적수거진행방진분석여험증,결과표명:우화후모형적예측정도고우우화전,차혼돈수색적AMPSO적우화효과호우단순PSO적우화효과.
