典型文献
基于DTW-VMD-PSO-BP的光伏发电功率短期预测方法
文献摘要：
针对光伏发电系统短期预测影响因素较多、预测精度较低、稳定度不高等问题,提出一种基于动态时间弯曲(DTW)和变分模态分解(VMD)的粒子群(PSO)优化的BP神经网络光伏发电预测方法.首先使用动态时间弯曲算法对光伏发电功率及影响因素的数据进行测算得到DTW值,再根据DTW值选择对光伏发电功率影响较大的辐射度作为主要影响因素,然后利用变分模态分解将影响因素及光伏发电功率进行分解,降低数据的波动性和非平稳性.运用粒子群优化的BP神经网络对各分量进行预测,然后将预测结果进行叠加,叠加所得结果即为最后预测结果.在Matlab中对该方法和其他神经网络进行算例验证和误差分析,结果表明采用该方法预测结果精度高,稳定性好.
文献关键词：
光伏发电功率;粒子群算法;神经网络;短期预测;动态时间弯曲;变分模态分解
中图分类号：
作者姓名：
袁建华;谢斌斌;何宝林;赵子玮;刘宇;刘邦
作者机构：
三峡大学电气与新能源学院,宜昌 443002;国网安徽省电力有限公司亳州供电公司,亳州 236000
文献出处：
引用格式：
[1]袁建华;谢斌斌;何宝林;赵子玮;刘宇;刘邦-.基于DTW-VMD-PSO-BP的光伏发电功率短期预测方法)[J].太阳能学报,2022(08):58-66
A类：
B类：
DTW,VMD,PSO,光伏发电功率,短期预测,光伏发电系统,稳定度,变分模态分解,光伏发电预测,动态时间弯曲算法,辐射度,波动性,非平稳性,粒子群优化,即为,Matlab,算例验证,误差分析,粒子群算法
AB值：
0.182142
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。
