人工智能算法在光伏发电量预测中应用.docVIP

人工智能算法在光伏发电量预测中应用 　　摘 要：随着光电的大规模发展，准确预测光伏发电量对于光伏电站的选址、大规模并网以及运行具有重要作用。文中提出一种果蝇算法结合神经网络的人工智能混合算法（FOA-BP）来解决光伏发电量预测问题。以武汉某光伏发电站的发电数据为例，结合FOA-BP混合算法对模型进行仿真求解，结果表明，FOA-BP混合算法具有较高的准确性 关键词：光伏发电；发电量预测；BP神经网络；果蝇算法 中图分类号：TM615；TP39 文献标识码：A 文章编号：2095-1302（2017）04-00-02 0 引 言 随着全球经济的不断发展，人类对能源需求不断增长，不可再生能源不断减少，使得发展并利用新能源迫在眉睫。研究和实践表明，太阳能是资源最丰富的可再生能源，是人类社会未来能源的基石。由于光伏发电具有较强的随机性和波动性，光伏电站并网势必会造成电网的不稳定，因此准确预测光伏发电量具有重要意义 目前，国内外对光伏发电量预测已有相关研究，一些相关人工智能算法也被应用到预测模型中，如马尔科夫链，神经网络，灰色理论，粒子群，遗传算法等。考虑到神经网络具有很强的非线性拟合、学习规则简单，但收敛速度慢且易陷入局部最优等缺点，同时考虑到果蝇算法与其他算法相比具有全局寻优能力强、计算复杂度小、精度高、收敛速度快等优点，故本文提出一种果蝇算法结合神经网络的混合算