利用蝙蝠算法优化SVR的太阳辐照度预测方法研究

作者：姚海成; 周剑; 林琳; 邢恩恺; 黄南天; 陈艳伟

来源：可再生能源, 2018, 36(11): 1612-1617.

DOI：10.13941/j.cnki.21-1469/tk.2018.11.006

• 太阳辐照度预测
• 支持向量回归
• 蝙蝠算法
• 惩罚因子
• 核函数

为了提高太阳辐照度的预测精度,提出一种利用蝙蝠算法(BA)优化支持向量回归(SVR)的太阳辐照度预测方法。首先,确定SVR预测器的基本结构,选取环境温度、云量、风速、风向、环境湿度以及年积日等与太阳辐照度关系较为紧密的气象监测数据,构成SVR的输入特征向量,将待预测时段小时平均太阳辐照度作为SVR的输出;然后,以预测精度为判断依据,利用蝙蝠算法对SVR的惩罚因子和RBF核函数方差进行寻优;最后,利用最优参数建立SVR预测模型,并对太阳辐照度进行预测。分析结果表明,相比于无参数优化SVR预测模型和利用粒子群算法优化SVR模型的太阳辐照度预测方法,文章所提出的预测方法具有更高的预测精度。

• 单位
  中国南方电网电力调度控制中心; 东北电力大学; 吉林化工学院