典型文献
基于改进麻雀算法的深度信念网络短期光伏功率预测
文献摘要：
为进一步提高光伏发电预测精度,提出了一种改进麻雀算法(ISSA)优化深度信念网络(DBN)的预测模型.首先,为提高麻雀算法的收敛速度和避免陷入局部最优,将精英反向学习策略和Metropolis准则引入麻雀算法用于初始化SSA种群和改进SSA更新策略.其次为提高DBN模型的性能,运用ISSA对DBN模型的权值进行优化选择,同时为避免冗余的气象因子影响光伏输出,采用最大相关信息系数的特征选择法(NFCBF),选择与光伏输出相关性最好的气象特征向量作为模型输入;基于NFCBF法选好的特征向量,采用一种结合欧氏距离和灰色关联度的综合相似指数法,选择相似日作为训练集.最后建立ISSA-DBN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.结果表明在训练集的选择方法相同的情况下,与DBN模型、PSO-DBN模型、SSA-DBN模型相比,ISSA-DBN的平均绝对百分比误差指标在晴天仅为3.69％,晴转多云天为5.23％,雨天为9.53％,预测精度均高于其他三种模型.由此验证了ISSA-DBN模型良好的预测精度.
文献关键词：
DBN模型;NFCBF法;改进麻雀算法;综合相似指数;光伏发电;功率预测;精英反向学习策略;Metropolis准则
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 乌鲁木齐 830047
文献出处：
引用格式：
[1]常东峰;南新元-.基于改进麻雀算法的深度信念网络短期光伏功率预测)[J].现代电子技术,2022(17):135-140
A类：
NFCBF,综合相似指数,晴转多云
B类：
改进麻雀算法,深度信念网络,短期光伏功率预测,光伏发电预测,ISSA,DBN,收敛速度,局部最优,精英反向学习策略,Metropolis,初始化,更新策略,权值,优化选择,气象因子,特征选择,气象特征,特征向量,模型输入,选好,欧氏距离,灰色关联度,指数法,相似日,训练集,光伏电站,实际数据,选择方法,PSO,平均绝对百分比误差,误差指标,晴天,云天,雨天
AB值：
0.257716
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。
