仿生智能算法在新能源電力系統(tǒng)參數(shù)預(yù)測中的應(yīng)用.pdf

1、隨著化石能源的快速消耗和環(huán)境污染問題的增多，新能源產(chǎn)業(yè)被國際社會的關(guān)注也越發(fā)增加。風(fēng)能和太陽能作新興能源產(chǎn)業(yè)兩大重點也開始飛速發(fā)展，而其發(fā)電過程中的問題也日益受到重視和研究。
　　光伏、風(fēng)電系統(tǒng)均存在的較強的模型/參數(shù)不確定和隨機性，導(dǎo)致功率產(chǎn)出的不可知和變負(fù)載條件下混合能源配置的難度增大。針對該問題，本文將仿生算法融合進支持向量機(Support Vector Machine，SVM)的參數(shù)優(yōu)化中，進而構(gòu)建光伏出力預(yù)測、風(fēng)速預(yù)測

2、及負(fù)載預(yù)測模型，實現(xiàn)混合能源系統(tǒng)參數(shù)配置。主要研究內(nèi)容包括:
　　(1)提出基于改進的后向?qū)?yōu)蝙蝠算法(Backward Bat Algorithm，BBA)的支持向量機算法(BBA-SVM)，以及在此基礎(chǔ)上融合遺傳規(guī)則的仿生蝙蝠算法(Genetic-BBA，G-BBA);其核心思想是將蝙蝠算法的變步長和尋優(yōu)時的搜索方向進行修正，增加反向搜索尋優(yōu)機制，以快速跳出局部最優(yōu)，提高SVM參數(shù)全局尋優(yōu)精度和效率。
　　(2)以光伏系

3、統(tǒng)為例，利用SAM(System Advisor Model)建模軟件提供的光伏功率、光照強度、溫度的歷史數(shù)據(jù)輔助構(gòu)建光伏出力預(yù)測模型，將BBA-SVM和G-BBA-SVM算法應(yīng)用至其功率預(yù)測中，并對多種仿生SVM預(yù)測算法進行對比分析。
　　(3)將BBA-SVM應(yīng)用到風(fēng)力發(fā)電功率預(yù)測，利用Bladed專業(yè)風(fēng)機建模軟件產(chǎn)生的風(fēng)速數(shù)據(jù)作為輸入，構(gòu)建風(fēng)力回歸預(yù)測模型，并進行了數(shù)據(jù)分析。
　　(4)進行BBA-SVM負(fù)載需求預(yù)測下