典型文献
基于混沌麻雀搜索算法优化BP神经网络的短期风电功率预测
文献摘要：
在构建以新能源为主体的电力系统方面,风电功率的短期预测对提高电力系统的经济效益和风能利用率十分重要.针对传统麻雀搜索算法(SSA)优化BP(SSA-BP)神经网络对风电功率的短期预测存在易陷入局部最优、收敛速度较慢和预测精度不高等问题,提出一种基于混沌麻雀搜索优化算法(CSSOA)优化BP(CSSOA-BP)神经网络的短期风电功率预测方法.该文以西北某风电场作为研究对象,引入皮尔逊(person)相关系数,分析出与风电功率输出相关性较强的风电机组数据集作为模型的输入,避免冗余数据影响风电功率的预测;利用SSA算法和CSSOA算法分别改进BP神经网络;使用该风电场实测历史数据对各预测模型进行仿真测试.仿真结果表明:基于CSSOA-BP的预测模型相较于SSA-BP拥有更好的预测精度,更符合电力工业生产的需求.
文献关键词：
风电功率预测;混沌麻雀搜索算法(CSSOA);改进神经网络;预测精度
中图分类号：
作者姓名：
陈宝奇;周再祥;张强
作者机构：
兰州理工大学 电气工程与信息工程学院,甘肃兰州730050;甘肃送变电工程有限公司,甘肃兰州730050
文献出处：
引用格式：
[1]陈宝奇;周再祥;张强-.基于混沌麻雀搜索算法优化BP神经网络的短期风电功率预测)[J].工业仪表与自动化装置,2022(06):13-17
A类：
CSSOA
B类：
混沌,麻雀搜索算法,算法优化,短期风电功率预测,电力系统,短期预测,风能利用率,SSA,局部最优,收敛速度,较慢,麻雀搜索优化算法,风电场,皮尔逊,person,功率输出,风电机组,冗余数据,历史数据,仿真测试,电力工业,改进神经网络
AB值：
0.180502
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。
