文献类型：期刊文章

作　　者：陈通[1] 孙国强[1] 卫志农[1] 臧海祥[1] 孙永辉[1] Kwok W Cheung[2] 李慧杰[3]

CHEN Tong SUN Guoqiang WEI Zhinong ZANG Haixiang SUN Yonghui Kwok W Cheung LI Huijie(College of Energy and Electrical Engineering,Hohai University,Nanjing 211100,China ALSTOM Grid Inc., Redmond,Washington 98052, USA ALSTOM GRID Technology Center Co., Ltd.,Shanghai 201114, China)

机构地区：[1]河海大学能源与电气学院,江苏南京211100 [2]ALSTOM Grid Inc.,Redmond,USA Washington 98052 [3]阿尔斯通电网技术中心有限公司,上海201114

出　　处：《电力自动化设备》

基　　金：国家自然科学基金资助项目(51277052,51507052)~~

年　　份：2017

卷　　号：37

期　　号：3

起止页码：66-71

语　　种：中文

收录情况：AJ、BDHX、BDHX2014、CSA、CSA-PROQEUST、CSCD、CSCD2017_2018、EI(收录号：20171703605324)、IC、INSPEC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：针对光伏发电功率预测精度不高的问题,提出一种基于相似日和云自适应粒子群优化(CAPSO)算法优化Spiking神经网络(SNN)的发电功率预测模型。考虑到季节类型、天气类型和气象等主要影响因素,提出以综合相似度指标进行相似日选取;以SNN强大的计算能力和其善于处理时间序列问题的特点为基础,结合CAPSO算法搜索的随机性和稳定性优化SNN的多突触连接权值,减少对权值的约束,提高算法的收敛精度。根据某光伏电站的实测功率数据对所提模型进行测试和评估,结果表明,该模型比传统预测模型具有更高的预测精度和更好的适用性。

关 键 词：光伏发电 功率预测 SPIKING神经网络 云自适应粒子群优化算法  相似日选取  

分 类 号：TM615]