基于GWO-MLP的光伏系统输出功率短期预测模型

作者：张惠娟; 刘琪; 岑泽尧; 李玲玲

来源：电测与仪表, 2022, 59(07): 72-113.

DOI：10.19753/j.issn1001-1390.2022.07.010

• 功率预测
• 多层感知器
• 灰狼优化

准确预测光伏系统的输出功率对微网系统的优化调度具有重要意义。为了减小光伏系统输出功率短期预测误差，文中采用多层感知器(Multi Layer Perceptron, MLP)神经网络作为主要的预测载体，将光照强度、温度、风速数据作为MLP的输入，光伏系统的输出功率作为MLP的输出，采用光伏电站的历史数据对MLP进行训练，并针对MLP在初始化权重和偏置量中存在的随机性问题，提出运用改进灰狼算法(Grey Wolf Optimizer, GWO)对MLP的初始权重和偏置量进行优化，减小MLP随机初始化的误差。仿真结果显示，文中提出的GWO-MLP在均方误差(Mean Square Error, MSE)、均方根误差(Root Mean Square Error, RMSE)、平均绝对误差(Mean Absolute Error, MAE)方面较MLP、Elman神经网络、支持向量机(Support Vector Machine, SVM)、极限学习机(Extreme Learning Machine, ELM)都有明显提高，表明所提方法可以准确预测光伏系统的输出功率。

• 单位
  河北工业大学