典型文献
基于GWO-MLP的光伏系统输出功率短期预测模型
文献摘要：
准确预测光伏系统的输出功率对微网系统的优化调度具有重要意义.为了减小光伏系统输出功率短期预测误差,文中采用多层感知器(Multi Layer Perceptron,MLP)神经网络作为主要的预测载体,将光照强度、温度、风速数据作为MLP的输入,光伏系统的输出功率作为MLP的输出,采用光伏电站的历史数据对MLP进行训练,并针对MLP在初始化权重和偏置量中存在的随机性问题,提出运用改进灰狼算法(Grey Wolf Optimizer,GWO)对MLP的初始权重和偏置量进行优化,减小MLP随机初始化的误差.仿真结果显示,文中提出的GWO-MLP在均方误差(Mean Square Error,MSE)、均方根误差(Root Mean Square Error,RMSE)、平均绝对误差(Mean Absolute Error,MAE)方面较 MLP、Elman 神经网络、支持向量机(Support Vector Machine,SVM)、极限学习机(Extreme Learning Machine,ELM)都有明显提高,表明所提方法可以准确预测光伏系统的输出功率.
文献关键词：
功率预测;多层感知器;灰狼优化
中图分类号：
作者姓名：
张惠娟;刘琪;岑泽尧;李玲玲
作者机构：
河北工业大学电气工程学院省部共建电工装备可靠性与智能化国家重点实验室,天津300130;河北省电磁场与电器可靠性实验室,天津300130
文献出处：
引用格式：
[1]张惠娟;刘琪;岑泽尧;李玲玲-.基于GWO-MLP的光伏系统输出功率短期预测模型)[J].电测与仪表,2022(07):72-77,113
A类：
B类：
GWO,MLP,光伏系统,输出功率,短期预测,准确预测,测光,微网系统,优化调度,预测误差,多层感知器,Multi,Layer,Perceptron,光照强度,风速数据,光伏电站,历史数据,初始化,偏置,随机性,出运,改进灰狼算法,Grey,Wolf,Optimizer,均方误差,Mean,Square,Error,Root,RMSE,平均绝对误差,Absolute,MAE,Elman,Support,Vector,Machine,极限学习机,Extreme,Learning,ELM,功率预测,灰狼优化
AB值：
0.410578
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。
