基于改进型BP神经网络的光伏功率预测

作者：王云艳; 罗帅; 王子健

来源：计算机仿真, 2022, 39(11): 153-157.

• 流行学习
• 光伏功率
• 神经网络
• 数据预测

光伏发电技术作为新时代主要能源供给手段被广泛应用，针对光伏发电数据采集不完整、筛选不合理、数据挖掘不全面等造成的预测精度低的问题，提出了一种结合流形学习算法和改进型BP神经网络算法。首先用灰度关联算法排除3项与光伏功率关联度最差的因素，然后结合流形学习网络将数据空间进行降维，最后采用模拟端对端结构的改进型BP神经网络来训练获得影响因子，保存的算法模型可以对未来几年的数据进行预测。实验结果表明，相比其它传统的算法，平均绝对百分比误差(MAPE)下降了10%左右，均方根误差(RMSE)下降了0.2kw左右，一定程度导航提高而光伏功率的预测精度。研究证明了算法具有较高的准确性、鲁棒性、模型具有较强的可迁移性。

• 单位
  湖北工业大学; 电子工程学院