基于相似日理论和LCSSA-BP的短期光伏发电功率预测

摘要：

准确预测光伏发电功率是保障含分布式电网平稳运行的关键环节.为提升反向传播神经网络(BPNN)功率预测精度,提出一种基于Logistic混沌映射的麻雀搜索算法(LCSSA)以改进BPNN的预测模型.利用相关性分析确定光伏发电功率的影响因素,并引入与天气类型密切相关的晴空指数作为选取相似日的气象因素;利用欧氏距离和马氏距离组合加权法选取训练集;建立LCSSA-BPNN功率预测模型,利用实测数据对比分析所提LCSSA-BPNN模型与SSA-BPNN、BPNN模型的预测精度.结果表明:在晴天、阴天、雨天3种情况下,LCSSA-BPNN模型预测值的平均相对误差率分别为9.52％、10.52％和11.56％,均优于其他对比模型,说明LCSSA-BPNN预测模型具有更好的适应性和预测性能.

关键词：反向传播神经网络、光伏功率预测、麻雀算法、Logistic混乱映射

所属期刊栏目：38

分类号：TM615(发电、发电厂)

资助基金：国家自然科学基金61903264

在线出版日期：2022-12-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：88-97