文献类型：期刊文章

作　　者：朱显辉[1] 于越[1] 师楠[2] 苏勋文[1] 吴禹衡[1]

ZHU Xian-hui;YU Yue;SHI Nan;SU Xun-wen;WU Yu-heng(School of Electrical and Control Engineering,Heilongjiang University of Science and Technology,Harbin Heilongjiang 150022,China;Engineering Training and Basic Experimental Center,Heilongjiang University ofScience and Technology,Harbin Heilongjiang 150022,China)

机构地区：[1]黑龙江科技大学电气与控制工程学院,黑龙江哈尔滨150022 [2]黑龙江科技大学工程训练与基础实验中心,黑龙江哈尔滨150022

出　　处：《电源技术》

基　　金：国家自然科学基金项目(51677057);黑龙江省普通本科高等学校青年创新人才培养计划(UNPYSCT-2017144);2019年度黑龙江省省属高等学校基本科研(项目培育)项目(Hkdxp201904)。

年　　份：2020

卷　　号：44

期　　号：6

起止页码：849-851

语　　种：中文

收录情况：BDHX、BDHX2017、CAS、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：为减小误差反向传输(BP)神经网络算法对光伏出力的预测误差,提出了基于实际BP网络拓扑结构的分层优化方法.该方法以温度关联性确定训练数据,结合小样本灰色算法对输入层数据变化趋势的发掘能力,实现了对BP网络输入层序列数学规律的有效筛选,利用粒子群算法优化隐含层的阈值和权重,强化了BP神经网络全局寻优能力,减小了预测误差,以遗传优化算法对输出层的阈值和权重进一步优化,改善了BP网络的预测精度.构建了BP网络分层优化模型并进行了算例分析,结果表明,所提出的分层优化方法能有效地减小预测误差,提高预测精度.

关 键 词：光伏出力  BP神经网络 分层优化  灰色算法  粒子群算法 遗传算法

分 类 号：TM615]