典型文献
基于改进CSO算法的光伏系统发电功率短期预测
文献摘要：
为了提高光伏发电系统短期输出功率的预测精度,建立了基于改进鸡群算法优化支持向量机(ICSO-SVM)的预测模型,在鸡群算法中引入动态惯性权重和自适应因子加强算法的寻优能力.通过计算得到对光伏发电影响较大的因素为太阳辐射强度、大气温度和相对湿度;计算出待预测日期和历史日期之间的关联度,确定预测所需要的训练样本并对模型进行训练;利用训练好的预测模型对预测地区秋季平稳天气和突变天气的光伏阵列输出功率分别进行预测.仿真实验表明:该模型的平均绝对百分比误差和均方误差与改进前相比分别降低5.547％和0.080,与基于粒子群优化算法模型相比分别降低8.255％和0.202,该模型使预测精度得到有效提高.
文献关键词：
光伏发电;改进鸡群算法;支持向量机;输出功率预测
中图分类号：
作者姓名：
宋子博;葛曼玲;谢冲;郭志彤
作者机构：
河北工业大学省部共建电工装备可靠性与智能化国家重点实验室,天津300130;河北工业大学河北省电磁场与电器可靠性重点实验室,天津300130
文献出处：
引用格式：
[1]宋子博;葛曼玲;谢冲;郭志彤-.基于改进CSO算法的光伏系统发电功率短期预测)[J].电源技术,2022(02):182-185
A类：
B类：
光伏系统,发电功率,短期预测,光伏发电系统,改进鸡群算法,算法优化,优化支持向量机,ICSO,动态惯性权重,自适应因子,寻优能力,太阳辐射强度,大气温度,相对湿度,历史日,训练样本,练好,测地,季平,变天,光伏阵列,平均绝对百分比误差,均方误差,进前,粒子群优化算法,算法模型,输出功率预测
AB值：
0.348762
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。
