基于GA-SAPSO优化BP神经网络的光伏系统发电量预测.pdfVIP

第 卷第 期 宿 州 学 院 学 报 ， ３１ ３ Ｖｏｌ．３１ Ｎｏ．３ 　 年 月 ２０１６ ３ ＪｏｕｒｎａｌｏｆＳｕｚｈｏｕＵｎｉｖｅｒｓｉｔ Ｍａｒ．２０１６ 　 　　　 　 　 　 ｙ 　　　 ： ／ ｄｏｉ１０．３９６９ ．ｉｓｓｎ．１６７３－２００６．２０１６．０３．０２８ ｊ 基于 优化 神经网络的 ＧＡ－ＳＡＰＳＯ ＢＰ 光伏系统发电量预测 ＊ ， ， ， 黄 超 葛 愿 葛宜然 张 刚 　 　 　 ， ， 安徽工程大学电气工程学院 安徽芜湖 ２４１０００ ： ， 摘要 对影响光伏发电的因素进行了分析 建立了利用遗传算法和模拟退火粒子群算法优化的 神经网络短期光 ＢＰ 。 ， 伏发电量预测模型 该预测模型利用遗传算法和模拟退火粒子群算法来优化神经网络内部的连接权值和阈值 结 、 ， 。 合遗传 模拟退火粒子群和 神经网络的优点 使得预测模型具有较好的预测结果 结合光伏发电的历史数据及 ＢＰ ， 、 、 。 ， 。 天气状况 对该模型进行训练 测试 评估及预测 预测结果表明 建立的预测模型具有较高的精度 ： ； ； ； ； 关键词 光伏系统 发电量预测 遗传算法 模拟退火粒子群算法 ＢＰ 网络 中图分类号： 文献标识码： 文章编号： （ ） ＴＭ６１５ Ａ １６７３－２００６２０１６０３－０１１０－０５ 　　 　　 ， 随着人类对化石能源的过度开采利用导致能源 只要将数据代入预测模型进行统计分析 找出数据 　　 ， 、 、 ， ， 枯竭和环境恶化 光伏发电因其清洁 安全 可再生 之间的复杂联系 就能进行预测 然而预测的效果都 ， 。 ， 、 的能源特性受到越来越多国家的重视 光伏发电作 不够理想 为此 本文提出了一种将遗传算法 模拟 为一种新兴产业被越来