基于遗传算法优化小波神经网络的短期光伏功率预测研究

论文摘要

针对西北地区对光伏功率预测准确性考核要求的提升,提出了一种基于遗传算法优化小波神经网络的短期光伏功率预测模型,利用遗传算法优化小波神经网络,提高模型的预测精度。首先,对原始数据做数据预处理,得到比较理想的数据源;其次,利用遗传算法对小波神经网络进行最佳适应优化赋值,从而避免神经网络陷入局部最小值的问题;最后,对模型进行仿真,并与传统的小波神经网络、BP神经网络的预测结果进行对比。结果表明,优化后的小波神经网络,具有适应度好、预测精度高、鲁棒性能强的能力,且能满足西北能源局实行的新细则要求。

论文目录

• 1 光伏发电出力的主要影响因子
• 2 小波神经网络
• 3 遗传算法优化小波神经网络
•   3.1 遗传算法原理
•     3.1.1 适应度函数
•     3.1.2 遗传算法的选择操作
•     3.1.3 遗传算法的交叉操作
•     3.1.4 遗传算法的变异操作
•   3.2 算法流程及步骤
•   3.3 输入因子以及模型参数设置
• 4 预测实例以及结果仿真
•   4.1 仿真预测
•   4.2 预测结果分析
• 5 结论

文章来源

类型: 期刊论文

作者: 张德天,高阳,宋阳

关键词: 功率预测,遗传算法优化,小波神经网络,数据预处理

来源: 沈阳工程学院学报(自然科学版) 2019年04期

年度: 2019

分类: 工程科技Ⅱ辑,信息科技

专业: 电力工业,自动化技术

单位: 沈阳工程学院研究生部,沈阳工程学院科技处

分类号: TM615;TP183

DOI: 10.13888/j.cnki.jsie(ns).2019.04.002

页码: 293-299

总页数: 7

文件大小: 1946K

下载量: 143