基于混合算法改进BP神经网络的光伏发电功率预测研究

Research on prediction of photovoltaic power generation based on improved BP neural network by hybrid genetic ant colony algorithm

摘要

提出一种基于混合遗传蚁群算法（GA-ACO）改进BP神经网络的预测模型.通过皮尔逊相关系数公式求出与光伏发电输出功率相关性强的气象特征作为训练模型的输入，减少无关气象特征量对光伏输出功率的预测影响.运用遗传算法（GA）产生寻找最优参数问题的信息素分布，蚁群算法（ACO）在有初始信息素分布的条件下输出最优权阈值，让BP神经网络二次训练，输出预测值.分析结果表明，以晴天为例，GA-ACO-BP神经网络模型比传统BP神经网络模型、ACO-BP神经网络模型、GA-BP神经网络模型的预测结果相对误差分别减少了9.47%、4.83%和3.27个百分点，因此GA-ACO-BP神经网络模型用于光伏发电功率预测时具有更好的预测精度.

关键词

光伏发电 / 遗传算法 / 蚁群算法 / BP神经网络 / 参数优化 / 功率预测

Key words

photovoltaic power station / genetic algorithm / ant colony algorithm / BP neural network / parameter optimization / prediction of power

基金资助

国家自然科学基金(51708486)

云南省教育厅科学研究基金(2022Y45S)