為了進一步提高預(yù)測的準(zhǔn)確性,本文提出了一種基于人群搜索算法-小波神經(jīng)網(wǎng)絡(luò)SOA-WNN（seeker optimization algorithm-wavelet neural network）的光伏短期輸出功率預(yù)測算法,利用SOA在速度及全局搜索上的優(yōu)勢對WNN進行改進,使WNN中權(quán)值與小波因子等參數(shù)得到優(yōu)化。通過與傳統(tǒng)的WNN預(yù)測方法以及遺傳算法優(yōu)化的WNN預(yù)測算法進行比較,結(jié)果顯示所提方法有效地提高了光伏短期輸出功率預(yù)測的穩(wěn)定性與準(zhǔn)確性,具有較高的實用價值。 

【文章來源】：電力系統(tǒng)及其自動化學(xué)報. 2019,31(06)北大核心CSCD

【文章頁數(shù)】：5 頁

【部分圖文】：

2016-12-09光伏輸出功率預(yù)測值和實測值Fig.3Predictedandmeasuredvaluesofphotovoltaic時間/h1015379264810

?WNN，SOA-WNN的運行時間少于GA-WNN運行時間，也就是說SOA算法可以在較少的時間內(nèi)得到更好的值，也體現(xiàn)了SOA算法在速度上和全局搜索上的優(yōu)越性。雖然整體時間變長，但精度有所提升。5結(jié)語本文提出的基于人群搜索算法優(yōu)化小波神經(jīng)圖32016-12-09光伏輸出功率預(yù)測值和實測值Fig.3PredictedandmeasuredvaluesofphotovoltaicoutputpoweronDecember9，2016時間/h實測值WNNGA-WNNSOA-WNN90807060504030201015379光伏功率輸出值/kW264810圖42016-10-21光伏輸出功率預(yù)測值和實測值Fig.4PredictedandmeasuredvaluesofphotovoltaicoutputpoweronOctober21，2016時間/h實測值WNNGA-WNNSOA-WNN70605040302010015379光伏功率輸出值/kW264810圖52016-12-26光伏輸出功率預(yù)測值和實測值Fig.5PredictedandmeasuredvaluesofphotovoltaicoutputpoweronDecember26，2016時間/h實測值WNNGA-WNNSOA-WNN353025201510515379光伏功率輸出值/kW264810表1各模型評價指標(biāo)結(jié)果Tab.1Resultsofevaluationindexesfordifferentmodels2016-12-09（晴）2016-10-21（陰）2016-12-26（雨/雪）預(yù)測模型傳統(tǒng)WNNGA-WNNSOA-WNN傳統(tǒng)WNNGA-WNNSOA-WNN傳統(tǒng)WNNGA-WNNSOA-WNNeRMSE/m3.6813.0212.0436.8744.8213.1595.0592.5111.791eMAPE/%8.20505.25004.423925.419020.728011.991024.206015.222011.7020表2各模型運行時間Tab.2Runningtimeofdifferentmodels模型運行時間/s

32016-12-09光伏輸出功率預(yù)測值和實測值Fig.3PredictedandmeasuredvaluesofphotovoltaicoutputpoweronDecember9，2016時間/h實測值WNNGA-WNNSOA-WNN90807060504030201015379光伏功率輸出值/kW264810圖42016-10-21光伏輸出功率預(yù)測值和實測值Fig.4PredictedandmeasuredvaluesofphotovoltaicoutputpoweronOctober21，2016時間/h實測值WNNGA-WNNSOA-WNN70605040302010015379光伏功率輸出值/kW264810圖52016-12-26光伏輸出功率預(yù)測值和實測值Fig.5PredictedandmeasuredvaluesofphotovoltaicoutputpoweronDecember26，2016時間/h實測值WNNGA-WNNSOA-WNN353025201510515379光伏功率輸出值/kW264810表1各模型評價指標(biāo)結(jié)果Tab.1Resultsofevaluationindexesfordifferentmodels2016-12-09（晴）2016-10-21（陰）2016-12-26（雨/雪）預(yù)測模型傳統(tǒng)WNNGA-WNNSOA-WNN傳統(tǒng)WNNGA-WNNSOA-WNN傳統(tǒng)WNNGA-WNNSOA-WNNeRMSE/m3.6813.0212.0436.8744.8213.1595.0592.5111.791eMAPE/%8.20505.25004.423925.419020.728011.991024.206015.222011.7020表2各模型運行時間Tab.2Runningtimeofdifferentmodels模型運行時間/s傳統(tǒng)WNN10.23GA-WNN382.45SOA-WNN305.78表3改進后小波神經(jīng)網(wǎng)絡(luò)運行時間Tab.3RunningtimeofimprovedWNN模型運行時間/sGA-WNN8.02SOA-WNN6.94-

【參考文獻】：
期刊論文
[1]基于智能水滴算法優(yōu)化Elman神經(jīng)網(wǎng)絡(luò)的光伏電站輸出功率預(yù)測[J]. 趙文清,郭丙旭,李剛,李整.  太陽能學(xué)報. 2017(06)
[2]結(jié)合相似日GA-BP神經(jīng)網(wǎng)絡(luò)的光伏發(fā)電預(yù)測[J]. 耿博,高貞彥,白恒遠,何維,董文杰,趙友國.  電力系統(tǒng)及其自動化學(xué)報. 2017(06)
[3]適用于小樣本的神經(jīng)網(wǎng)絡(luò)光伏預(yù)測方法[J]. 張程熠,唐雅潔,李永杰,高強,江全元.  電力自動化設(shè)備. 2017(01)
[4]基于模糊聚類和支持向量機的短期光伏功率預(yù)測[J]. 于秋玲,許長清,李珊,劉洪,宋毅,劉曉鷗.  電力系統(tǒng)及其自動化學(xué)報. 2016(12)
[5]基于灰色系統(tǒng)校正-小波神經(jīng)網(wǎng)絡(luò)的光伏功率預(yù)測[J]. 丁明,劉志,畢銳,朱衛(wèi)平.  電網(wǎng)技術(shù). 2015(09)
[6]基于機器學(xué)習(xí)的自適應(yīng)光伏超短期出力預(yù)測模型[J]. 高陽,張碧玲,毛京麗,劉勇.  電網(wǎng)技術(shù). 2015(02)
[7]基于相空間重構(gòu)和小波神經(jīng)網(wǎng)絡(luò)的光伏陣列發(fā)電量預(yù)測[J]. 羅毅,千雨樂.  太陽能學(xué)報. 2014(06)
[8]基于PSO-BP神經(jīng)網(wǎng)絡(luò)的短期光伏系統(tǒng)發(fā)電預(yù)測[J]. 張佳偉,張自嘉.  可再生能源. 2012(08)
[9]基于灰色神經(jīng)網(wǎng)絡(luò)組合模型的光伏短期出力預(yù)測[J]. 王守相,張娜.  電力系統(tǒng)自動化. 2012(19)
[10]基于改進BP神經(jīng)網(wǎng)絡(luò)的光伏發(fā)電系統(tǒng)輸出功率短期預(yù)測模型[J]. 丁明,王磊,畢銳.  電力系統(tǒng)保護與控制. 2012(11)



本文編號：3129621