典型文献
基于混合麻雀算法改进反向传播神经网络的短期光伏功率预测
文献摘要：
精准地预测短期光伏发电功率,是提高光伏电站运行效率、保障光伏并网后安全稳定运行的关键.因此,提出了一种基于精英反向学习策略并结合Metropolis准则的混合麻雀搜索算法(hybrid?sparrow?search?algorithm,?HSSA)改进反向传播神经网络(back?propagation?neural?network,BPNN)的预测模型.首先采用皮尔逊相关系数公式选择与光伏输出相关性最好的气象特征集作为模型的输入,避免冗余的气象因子影响光伏输出.再利用欧式距离公式计算时序相似度来选取训练集,以提高训练集的可靠性.最后,使用HSSA-BPNN的权阈值建立预测模型,并利用新疆某光伏电站的实际数据进行实验分析.分析结果表明,与BPNN、粒子群算法(particle?swarm?algorithm,?PSA)-BPNN、麻雀搜索算法(sparrow?search?algorithm,?SSA)-BPNN相比,混合麻雀搜索算法(hybrid?sparrow?search?algorithm,?HSSA)-BPNN模型具有良好的适应性、较好的预测性能.
文献关键词：
光伏发电预测;麻雀算法;精英反向学习策略;Metropolis准则;神经网络
中图分类号：
作者姓名：
常东峰;南新元
作者机构：
新疆大学电气工程学院,新疆维吾尔自治区 乌鲁木齐市 830047
文献出处：
引用格式：
[1]常东峰;南新元-.基于混合麻雀算法改进反向传播神经网络的短期光伏功率预测)[J].现代电力,2022(03):287-294,中插2-中插5
A类：
HSSA
B类：
麻雀算法,算法改进,反向传播神经网络,短期光伏功率预测,光伏发电功率,光伏电站,电站运行,光伏并网,安全稳定运行,精英反向学习策略,Metropolis,混合麻雀搜索算法,hybrid,sparrow,search,algorithm,back,propagation,neural,network,BPNN,皮尔逊相关系数,气象特征,征集,气象因子,欧式距离,距离公式,公式计算,训练集,提高训练,实际数据,粒子群算法,particle,swarm,PSA,预测性能,光伏发电预测
AB值：
0.285807
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。
