基于改进麻雀算法的深度信念网络短期光伏功率预测

作者：常东峰; 南新元^*

来源：现代电子技术, 2022, 45(17): 135-140.

DOI：10.16652/j.issn.1004-373x.2022.17.025

• 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

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。

• 单位
  新疆大学