針對現(xiàn)有光伏發(fā)電功率超短期預(yù)測法,建模復(fù)雜、準(zhǔn)確度低,難以滿足實(shí)際需求的問題,提出一種綜合考慮太陽輻射和光伏輸出功率混沌特征提取的DMCS-WNN組合預(yù)測法。首先,在分析影響光伏發(fā)電輸出功率各外界因素基礎(chǔ)上,利用C-C法進(jìn)行混沌吸引子重構(gòu),挖掘數(shù)據(jù)自身蘊(yùn)含的影響發(fā)電功率的各因素信息,并根據(jù)相關(guān)性分析,選擇太陽輻射作為附加輸入因子;然后,針對小波神經(jīng)網(wǎng)絡(luò)（wavelet neural network,WNN）初值敏感性不足,利用布谷鳥搜索算法（cuckoo search,CS）進(jìn)行尋優(yōu),并提出一種雙模式布谷鳥搜索算法（dual-modecuckoosearch,DMCS）以提高傳統(tǒng)CS的收斂速度和搜索能力;最后,建立光伏發(fā)電功率DMCSWNN預(yù)測模型,并基于實(shí)例仿真,分析其在突變和非突變天氣情況下的預(yù)測效果。結(jié)果表明:該預(yù)測法在各天氣類型中均保持良好的預(yù)測準(zhǔn)確度和適用性。 

【文章來源】：中國電機(jī)工程學(xué)報. 2019,39(S1)北大核心EICSCD

【文章頁數(shù)】：9 頁

【參考文獻(xiàn)】：
期刊論文
[1]計及霧霾影響因素的光伏發(fā)電超短期功率預(yù)測[J]. 劉衛(wèi)亮,劉長良,林永君,李靜,李金拓,熊峰,陳晨.  中國電機(jī)工程學(xué)報. 2018(14)
[2]基于混沌-RBF神經(jīng)網(wǎng)絡(luò)的光伏發(fā)電功率超短期預(yù)測模型[J]. 王育飛,付玉超,孫路,薛花.  電網(wǎng)技術(shù). 2018(04)
[3]微電網(wǎng)光伏發(fā)電的Adaboost天氣聚類超短期預(yù)測方法[J]. 譚津,鄧長虹,楊威,梁寧,李豐君.  電力系統(tǒng)自動化. 2017(21)
[4]基于數(shù)據(jù)挖掘的光伏陣列發(fā)電預(yù)測方法研究[J]. 程澤,李思宇,韓麗潔,蔣春曉.  太陽能學(xué)報. 2017(03)
[5]基于PNN/PCA/SS-SVR的光伏發(fā)電功率短期預(yù)測方法[J]. 王昕,黃柯,鄭益慧,李立學(xué),郎永波,吳昊.  電力系統(tǒng)自動化. 2016(17)
[6]基于螢火蟲算法?廣義回歸神經(jīng)網(wǎng)絡(luò)的光伏發(fā)電功率組合預(yù)測[J]. 王昕,黃柯,鄭益慧,李立學(xué),邵鳳鵬,賈立凱,徐清山.  電網(wǎng)技術(shù). 2017(02)
[7]基于改進(jìn)BP-SVM-ELM與粒子化SOM-LSF的微電網(wǎng)光伏發(fā)電組合預(yù)測方法[J]. 單英浩,付青,耿炫,朱昌亞.  中國電機(jī)工程學(xué)報. 2016(12)
[8]光伏功率預(yù)測技術(shù)[J]. 龔鶯飛,魯宗相,喬穎,王強(qiáng).  電力系統(tǒng)自動化. 2016(04)
[9]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)
[10]光伏發(fā)電出力的條件預(yù)測誤差概率分布估計方法[J]. 趙唯嘉,張寧,康重慶,王躍峰,李鵬,馬爍.  電力系統(tǒng)自動化. 2015(16)



本文編號：3389831