青岛大学学报（工程技术版）
青島大學學報（工程技術版）
청도대학학보（공정기술판）
JOURNAL OF QINGDAO UNIVERSITY(ENGINEERING & TECHNOLOGY EDITION)
2014年
4期
40-43
,共4页
王倩%张智晟%王帅%曹东亮
王倩%張智晟%王帥%曹東亮
왕천%장지성%왕수%조동량
光伏发电站%脊波神经网络%发电功率预测%粒子群优化算法
光伏髮電站%脊波神經網絡%髮電功率預測%粒子群優化算法
광복발전참%척파신경망락%발전공솔예측%입자군우화산법
PV power stations%ridgelet neural network%power generation forecasting%particle swam optimization algorithm
针对光伏发电功率预测对电力系统的安全稳定和经济运行问题,本文提出了基于粒子群算法优化脊波神经网络的光伏功率预测模型.采用脊波函数作为隐含层激励函数的神经网络,即脊波神经网络,同时采用粒子群算法优化脊波神经网络的权值,并以实际光伏发电站的历史光伏发电数据和气象数据作为仿真算例,对预测模型进行仿真和测试.仿真结果表明,与BP神经网络预测模型相比,基于粒子群算法优化脊波神经网络预测模型的日平均绝对误差和日最大绝对误差均有所降低,证明粒子群算法优化脊波神经网络的预测模型具有较高预测精度,不仅加快了脊波神经网络收敛速度,而且避免了陷入局部最优解,具有一定的实用性及可行性.该研究为光伏发电功率预测提供了理论参考.
針對光伏髮電功率預測對電力繫統的安全穩定和經濟運行問題,本文提齣瞭基于粒子群算法優化脊波神經網絡的光伏功率預測模型.採用脊波函數作為隱含層激勵函數的神經網絡,即脊波神經網絡,同時採用粒子群算法優化脊波神經網絡的權值,併以實際光伏髮電站的歷史光伏髮電數據和氣象數據作為倣真算例,對預測模型進行倣真和測試.倣真結果錶明,與BP神經網絡預測模型相比,基于粒子群算法優化脊波神經網絡預測模型的日平均絕對誤差和日最大絕對誤差均有所降低,證明粒子群算法優化脊波神經網絡的預測模型具有較高預測精度,不僅加快瞭脊波神經網絡收斂速度,而且避免瞭陷入跼部最優解,具有一定的實用性及可行性.該研究為光伏髮電功率預測提供瞭理論參攷.
침대광복발전공솔예측대전력계통적안전은정화경제운행문제,본문제출료기우입자군산법우화척파신경망락적광복공솔예측모형.채용척파함수작위은함층격려함수적신경망락,즉척파신경망락,동시채용입자군산법우화척파신경망락적권치,병이실제광복발전참적역사광복발전수거화기상수거작위방진산례,대예측모형진행방진화측시.방진결과표명,여BP신경망락예측모형상비,기우입자군산법우화척파신경망락예측모형적일평균절대오차화일최대절대오차균유소강저,증명입자군산법우화척파신경망락적예측모형구유교고예측정도,불부가쾌료척파신경망락수렴속도,이차피면료함입국부최우해,구유일정적실용성급가행성.해연구위광복발전공솔예측제공료이론삼고.
