-
题名融合MLP和DBN的光伏发电预测算法
被引量：4
- 1
-
-
作者
徐先峰
蔡路路
张丽
-
机构
长安大学电子与控制工程学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2021年第3期266-272,共7页
-
基金
国家自然科学基金(61201407,61473047)
陕西省自然科学基础研究计划(2016JQ5130)
+1 种基金
西安市智慧高速公路信息融合与控制重点实验室(ZD13CG46)
长安大学中央高校基本科研业务费(300102328202)。
-
文摘
精确的光伏发电预测对提高电力系统稳定性、保证电能质量、优化电网运行具有重大意义。为了解决现存光伏预测算法精度较低、性能较差的问题,同时为了综合利用多层感知器(MLP)解决非线性问题的能力以及深度信念网络(DBN)有效处理大量复杂数据的优势,构建了一种融合MLP和DBN的光伏预测算法(MLP-DBN),其基本思想是先利用MLP模型进行初步预测,再将观测值与预测值的残差输入DBN预测模型进行预测,最后用残差预测值对MLP模型的预测值进行修正。利用光伏发电实测数据仿真,探究了不同学习率下模型的预测性能,并对模型的各参数进行了寻找优化设置。使用均方根误差、平均绝对误差以及决定系数等性能指标评估结果表明,与传统的预测算法支持向量机(SVM)以及具有较高预测精度的深度学习算法长短期记忆网络(LSTM)相比,MLP-DBN算法性能有明显的提升,为光伏发电提供了一种高精度高性能的预测算法,可以有效解决光伏发电预测问题。
-
关键词
光伏发电预测
深度学习
支持向量机(SVM)
长短期记忆网络(LSTM)
多层感知器-深度信念网络(mlp-dbn)算法
-
Keywords
photovoltaic generation prediction
deep learning
Support Vector Machine(SVM)
Long Short-Term Memory(LSTM)
Multi-Layer Perceptron-Deep Belief Networks(mlp-dbn)algorithm
-
分类号
TP301
[自动化与计算机技术—计算机系统结构]
-
