文献类型：期刊文章

作　　者：侯松宝[1] 王侃宏[1] 石凯波[1] 孔力[1] 曹辉[1]

机构地区：[1]河北工程大学能源与环境工程学院,河北邯郸056038

出　　处：《可再生能源》

基　　金：河北省科技计划项目(15214404D)

年　　份：2018

卷　　号：36

期　　号：1

起止页码：15-21

语　　种：中文

收录情况：BDHX、BDHX2017、CAB、CAS、CSA、CSA-PROQEUST、IC、RCCSE、ZGKJHX、核心刊

摘　　要：针对光伏发电功率的间歇性和波动性,提出了一种基于主成分分析(PCA)和粒子群优化(PSO)算法的BP神经网络短期发电功率预测方法。该方法先对原始输入数据进行主成分分析,再将分析结果作为BP神经网络的输入数据。由于粒子群算法搜索速度较慢,但全局搜索能力较强,而传统的BP神经网络搜索速度较快,但易陷入局部极值点,因此将两者结合起来,既弥补了各自的劣势,又避免了预测模型的失效,从而提高了预测模型的预测精度。分析结果表明,当天气类型改变时,该预测模型的有效性不变,预测误差均小于20%。

关 键 词：光伏发电系统 主成分分析(PCA)  粒子群优化(PSO)算法 BP神经网络

分 类 号：TK9[能源动力类] TM615]