基于智能水滴算法和神經(jīng)網(wǎng)絡(luò)的光伏發(fā)電功率預(yù)測研究.pdf

1、隨著工業(yè)化的發(fā)展、人口的增加，人類對能源的需求持續(xù)增長，傳統(tǒng)的化石能源正面臨枯竭的問題，開發(fā)利用清潔能源，走綠色低碳、清潔替代的發(fā)展路線是未來的主旋律。太陽能是一種清潔能源，光伏發(fā)電是開發(fā)利用太陽能的主要方式，具有安全可靠、應(yīng)用形式靈活、安裝維護簡單等優(yōu)點，有著廣闊的發(fā)展前景。但是光伏發(fā)電受天氣類型、溫度、太陽輻照度等因素的影響，其出力有明顯的波動性、間歇性和不可控性，大規(guī)模光伏電站并網(wǎng)會給電力系統(tǒng)的安全和經(jīng)濟運行造成嚴重的影響，因此光

2、伏發(fā)電功率的準確預(yù)測有著重要的意義。
　　本文首先介紹了一種新的群智能優(yōu)化算法智能水滴(Intelligent Water Drops,IWD)算法，算法通過模擬自然界中河水與河床之間相互作用形成河道的過程而得到的，具有魯棒性好和全局尋優(yōu)能力強的優(yōu)點。但標準的智能水滴算法在結(jié)點的選擇上易出現(xiàn)停滯和阻塞現(xiàn)象，進而出現(xiàn)收斂速度慢、易陷入局部最優(yōu)解的缺陷。提出結(jié)點選擇擾動操作和精英路徑保留操作兩種策略對標準智能水滴算法進行改進，然后利用

3、標準的智能水滴算法和改進的智能水滴算法分別對Rosenbrock、Schaffer F6、Rastrigin和Griewank函數(shù)進行尋優(yōu)測試。實驗結(jié)果表明，改進后的算法有效地改善了水滴的尋優(yōu)能力，在收斂速度和尋優(yōu)精度方面有一定的提高，適合于求解優(yōu)化問題。
　　其次針對靜態(tài)的前饋型BP神經(jīng)網(wǎng)絡(luò)在時序序列預(yù)測問題中精度低、不具有記憶性的不足，提出采用動態(tài)的、有局部記憶功能的Elman神經(jīng)網(wǎng)絡(luò)建立功率預(yù)測模型。同時采用改進的智能水滴算

4、法對Elman神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值進行優(yōu)化，提高了網(wǎng)絡(luò)的訓(xùn)練效率。
　　最后以某光伏電站為研究對象，詳細地分析了光伏發(fā)電的影響因子，在此基礎(chǔ)上建立了智能水滴算法優(yōu)化Elman神經(jīng)網(wǎng)絡(luò)的光伏電站輸出功率預(yù)測模型，按照模塊化思想，將預(yù)測模型按天氣類型分為晴天、陰天和雨天三個預(yù)測子模型。將IWD優(yōu)化Elman神經(jīng)網(wǎng)絡(luò)模型、傳統(tǒng)Elman神經(jīng)網(wǎng)絡(luò)模型和BP神經(jīng)網(wǎng)絡(luò)模型的預(yù)測結(jié)果分別與光伏電站的實際出力數(shù)據(jù)進行對比。結(jié)果表明，所提出的IWD