典型文献
基于MIV-PSO-BPNN的光伏出力短期预测
文献摘要：
针对高比例光伏接入电网时,光伏出力的波动性会严重影响电力系统稳定运行的问题提出一种基于平均影响值与改进粒子群优化神经网络的组合式光伏出力短期预测模型.首先,采用直接预测法,选取总辐射量、直接辐射量、散射量、相对湿度、气温、风速和降雨量7个影响光伏出力的因素,构建MIV-PSO-BPNN模型,基于Rapid Miner数据挖掘得出降雨量对光伏出力平均影响值为0.0099,影响较小,不作为模型输入变量.然后,用改进PSO优化算法对BPNN的权值与阈值进行优化.最后,利用上海浦东国际机场T2-2光伏电站数据进行验证,结果表明MIV-PSO-BPNN模型对光伏出力预测有效,在实际中有一定应用价值.
文献关键词：
光伏发电;数据挖掘;粒子群优化算法;神经网络;平均影响值;权值与阈值;短期预测
中图分类号：
作者姓名：
刘丹;刘方;许彦平
作者机构：
新能源与储能运行控制国家重点实验室(中国电力科学研究院有限公司),北京 100192;上海电力大学能源与机械工程学院,上海 200090
文献出处：
引用格式：
[1]刘丹;刘方;许彦平-.基于MIV-PSO-BPNN的光伏出力短期预测)[J].太阳能学报,2022(06):94-98
A类：
B类：
MIV,PSO,BPNN,光伏出力短期预测,高比例光伏接入,波动性,电力系统稳定,平均影响值,改进粒子群优化,粒子群优化神经网络,组合式,直接预测,总辐射,辐射量,相对湿度,降雨量,Rapid,Miner,不作为,模型输入,权值与阈值,上海浦东国际机场,光伏电站,光伏出力预测,光伏发电,粒子群优化算法
AB值：
0.273556
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。
