文章摘要:精准地预测短期光伏发电功率，是提高光伏电站运行效率、保障光伏并网后安全稳定运行的关键。因此，提出了一种基于精英反向学习策略并结合Metropolis准则的混合麻雀搜索算法（hybrid sparrow search algorithm, HSSA）改进反向传播神经网络（back propagation neural network,BPNN）的预测模型。首先采用皮尔逊相关系数公式选择与光伏输出相关性最好的气象特征集作为模型的输入，避免冗余的气象因子影响光伏输出。再利用欧式距离公式计算时序相似度来选取训练集，以提高训练集的可靠性。最后，使用HSSA-BPNN的权阈值建立预测模型，并利用新疆某光伏电站的实际数据进行实验分析。分析结果表明，与BPNN、粒子群算法（particle swarm algorithm, PSA）-BPNN、麻雀搜索算法（sparrow search algorithm, SSA）-BPNN相比，混合麻雀搜索算法（hybrid sparrow search algorithm, HSSA）-BPNN模型具有良好的适应性、较好的预测性能。

文章关键词:

论文DOI:10.19725/j.cnki.1007-2322.2021.0113

论文分类号:TM615;TP18

文章来源：《计算机光盘软件与应用》 网址: http://www.jsjgprjyyy.cn/qikandaodu/2021/1015/1609.html

上一篇：自动化技术论文_知识管理系统与人工智能系统支
下一篇：计算机软件及计算机应用论文_基于稀疏神经网络