典型文献
基于相似日理论和LCSSA-BP的短期光伏发电功率预测
文献摘要：
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.
文献关键词：
反向传播神经网络;光伏功率预测;麻雀算法;Logistic混乱映射
中图分类号：
作者姓名：
周新茂;郑焮元;于正鑫;王笑伟;曹英丽
作者机构：
沈阳农业大学信息与电气工程学院,辽宁沈阳 110866
文献出处：
引用格式：
[1]周新茂;郑焮元;于正鑫;王笑伟;曹英丽-.基于相似日理论和LCSSA-BP的短期光伏发电功率预测)[J].电网与清洁能源,2022(11):88-97
A类：
LCSSA,组合加权法
B类：
相似日,光伏发电功率预测,准确预测,测光,分布式电网,反向传播神经网络,BPNN,混沌映射,麻雀搜索算法,天气类型,晴空指数,气象因素,欧氏距离,马氏距离,训练集,功率预测模型,数据对比分析,晴天,阴天,雨天,平均相对误差,误差率,对比模型,预测性能,光伏功率预测,麻雀算法
AB值：
0.259835
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
