基于FOA-Elman神经网络的光伏发电功率预测模型
李芸，李萍，麻利新
（宁夏大学 物理与电子电气工程学院，宁夏 银川 750021）
摘 要：光伏发电功率对光伏发电的可靠性起着决定性作用。针对Elman神经网络收敛速度慢、训练时间较长的问题，利用果蝇算法（FOA）来优化Elman神经网络的权值和阈值，从而提高运行效率。建立了基于FOA-Elman神经网络的光伏发电功率预测模型，并给出了算法设计及编码方案。仿真实验结果表明，FOA-Elman模型预测精度比传统Elman神经网络模型预测精度高，更适合于光伏发电功率预测。
关键词：光伏发电；功率预测；果蝇算法；Elman 神经网络；预测精度
中图分类号：TM615 文献标识码：A 文章编号：1007-3175(2019)12-0001-04
Prediction Model of Photovoltaic Power Generation Based on FOA-Elman Neural Network
LI Yun, LI Ping, MA Li-xin
（School of Physics and Electronic-Electrical Engineering, Ningxia University, Yinchuan 750021, China）
Abstract: The photovoltaic power generation plays an important role in the reliability of photovoltaic power system.Aiming at the slow convergence speed and long training time of Elman neural network, this paper used the fruit fly optimization algorithm (FOA) to optimize the weights and thresholds of Elman neural network to improve the operation efficiency. A photovoltaic power prediction model based on FOAElman neural network was established, and the algorithm, design and coding scheme were given. The simulation results show that the prediction accuracy of FOA-Elman model is higher than that of traditional Elman neural network model, more suitable for the photovoltaic power prediction.
Key words: photovoltaic power generation; power prediction; fruit fly optimization algorithm; Elman neural network; prediction accuracy
参考文献
[1] 段然. 光伏发电储能系统研究[D]. 徐州：中国矿业大学，2016.
[2] 程启明，李明，陈根，等. 小型离网光伏发电系统的设计[J]. 上海电力学院学报，2014，30(3)：199-202.
[3] 张星. 并网光伏发电系统建模及其参数辨识技术研究[D]. 合肥：合肥工业大学，2018.
[4] 王可舜. 关于风力发电与光伏发电并网问题的探讨[J]. 自动化应用，2016(5)：75-76.
[5] 杨育刚. 基于光伏发电与负荷预测的微电网储能系统控制策略研究[D]. 保定：华北电力大学，2015.
[6] MORENO-MUNOZ A, ROSA J J, LOPEZ M A,et al. Grid interconnection of renewable energy sources: Spanish legislation[J].Energy for Sustainable Development，2010，14(2)：104-109.
[7] BENTH F E, IBRAHIM N A.Stochastic modeling of photovoltaic power generation and electricity prices[J].Journal of Energy Markets，2017，10(3)：1-33.
[8] 周同旭，周松林. 光伏发电功率区间概率预测[J].铜陵学院学报，2017(2)：108-110.
[9] 杨书佺. 果蝇算法在电力通信光纤网络恢复优化中的应用[J]. 信息与电脑，2017(22)：65-67.
[10] 徐杏芳. 基于果蝇算法优化的BP 神经网络[J]. 福建电脑，2017，33(6)：27-28.
