典型文献
基于改进金枪鱼算法优化ELM模型的光伏功率预测
文献摘要：
针对最大功率点跟踪(maximum power point tracking,MPPT)技术在局部荫遮条件下不能精确找到最大功率点的问题,提出一种改进金枪鱼算法(tuna swarm optimization,TSO)结合极限学习机(extreme learning machine,ELM)的光伏功率预测模型.首先,通过改进线性权重系数、建立高斯变异-最优领域机制策略对TSO进行联合改进,平衡全局勘探和局部开发过程,进一步增强算法跳出局部最优的能力.其次,基于改进TSO算法对ELM的相关参量进行寻优,构建光伏功率预测模型.仿真结果表明,与其他标准优化算法相比,ITSO在4个经典基准函数上表现出更优的寻优精度和收敛速度;与ELM、PSO-ELM、WOA-ELM以及TSO-ELM模型相比,ITSO-ELM在预测光伏功率时具有最高的精度,平均绝对误差为0.032 5,验证了所提出模型的有效性.
文献关键词：
光伏系统;最大功率点;金枪鱼算法;极限学习机
中图分类号：
作者姓名：
胡丹;杨书恒
作者机构：
武汉理工大学船海与能源动力工程学院,武汉430063
文献出处：
引用格式：
[1]胡丹;杨书恒-.基于改进金枪鱼算法优化ELM模型的光伏功率预测)[J].武汉理工大学学报,2022(08):97-104
A类：
金枪鱼算法
B类：
算法优化,ELM,光伏功率预测,最大功率点跟踪,maximum,power,point,tracking,MPPT,tuna,swarm,optimization,极限学习机,extreme,learning,machine,功率预测模型,进线,权重系数,高斯变异,机制策略,勘探,局部开发,开发过程,增强算法,跳出局部,局部最优,参量,标准优化,ITSO,基准函数,寻优精度,收敛速度,PSO,WOA,测光,平均绝对误差,出模,光伏系统
AB值：
0.333652
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
