科研之友
微信
新浪微博
Facebook
分享链接
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。
-
单位三峡大学; 国网安徽省电力有限公司
