论文摘要
短期分布式光伏发电功率预测对配电网调度计划的安排及优化具有重要意义。人工智能技术的进步为精细化分析光伏发电功率预测结果的影响因素以及提高光伏发电功率的预测精度提供了有效途径。文章提出一种基于特征筛选与ANFIS-PSO的分布式光伏发电功率预测方法。首先,基于随机森林中的增益情况,对影响分布式光伏发电系统的各项特征参数进行筛选;然后,通过自适应神经模糊推理算法对输入数据进行训练,并使用粒子群算法对ANFIS模型进行优化;接着,建立基于离线训练和在线预测的ANFIS-PSO分布式光伏发电功率预测模型;最后,利用北京某地分布式光伏发电系统的实际数据来验证模拟结果的准确性。
论文目录
文章来源
类型: 期刊论文
作者: 时珉,王强,王铁强,王一峰,尹瑞,何琰,Yordanos Kassa Semero
关键词: 分布式光伏发电系统,发电功率预测,特征筛选,自适应神经模糊推理算法,粒子群算法
来源: 可再生能源 2019年07期
年度: 2019
分类: 工程科技Ⅱ辑,农业科技
专业: 电力工业
单位: 国网河北省电力有限公司,北京清软创新科技股份有限公司,新能源电力系统国家重点实验室华北电力大学
基金: 国家自然科学基金(51507061),国家重点研发计划项目(2017YFB0903100)
分类号: TM615
DOI: 10.13941/j.cnki.21-1469/tk.2019.07.008
页码: 989-994
总页数: 6
文件大小: 1566K
下载量: 297
相关论文文献
标签：分布式光伏发电系统论文; 发电功率预测论文; 特征筛选论文; 自适应神经模糊推理算法论文; 粒子群算法论文;