基于SWOA优化BPNN的光伏电站发电量预测

摘要

为提高预测的精度和速度,研究一种基于选择鲸鱼优化算法(selection whale optimization algorithm,SWOA)优化的反向传播神经网络(back propagation neural network,BPNN),并用于光伏电站的发电量预测.针对WOA(鲸鱼优化算法)的收敛速度慢和易早熟等问题,采用Tent映射生成分布均匀的初始种群,引入非线性系数a替代线性系数,基于选择策略提高算法的收敛速度,构建以风速、压强、温度、湿度和辐照度等5种数据为输入,以发电量为输出的BPNN模型.经比较,SWOA-BPNN算法的预测精度和收敛速度优于PSO(粒子群优化)-BPNN算法和WOA-BPNN算法,其均方误差(mean squared error,MSE)比PSO-BPNN算法降低了0.0772.