典型文献
基于SSA-BP神经网络的光伏短期功率预测
文献摘要：
光伏发电的波动性和随机性导致光伏功率预测精度难以达到理想状态,而提高光伏发电功率的预测精度是抑制光伏并网不利影响的有效途径.为了提高BP神经网络的预测精度,运用麻雀算法对BP神经网络的权阈值进行寻优,提出了一种基于麻雀算法(SSA)-BP神经网络的光伏短期功率预测方法.首先,在Matlab中建立SSA优化BP神经网络模型;然后,以某光伏电站的气象数据为输入,在晴天、阴天和突变天气3种工况下对光伏电站的功率进行预测;最后,将SSA优化BP神经网络模型预测结果分别与BP神经网络预测结果、PSO优化BP神经网络预测结果和光伏电站的实际出力数据进行对比.结果表明:麻雀算法能够提高BP神经网络模型的预测精度,实现对光伏短期功率的有效预测.
文献关键词：
功率预测;麻雀算法;BP神经网络;光伏发电
中图分类号：
作者姓名：
谢少华;何山;闫学勤;张强
作者机构：
新疆大学电气工程学院,新疆乌鲁木齐830049;可再生能源发电与并网控制技术教育部工程研究中心,新疆乌鲁木齐830049
文献出处：
引用格式：
[1]谢少华;何山;闫学勤;张强-.基于SSA-BP神经网络的光伏短期功率预测)[J].浙江工业大学学报,2022(06):628-633
A类：
B类：
SSA,短期功率预测,波动性,随机性,光伏功率预测,难以达到,光伏发电功率,光伏并网,麻雀算法,Matlab,光伏电站,气象数据,晴天,阴天,变天,神经网络预测,PSO,出力
AB值：
0.210781
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。
