基于粒子群优化算法的可再生能源功率预测模型设计

摘要

为了降低可再生能源机组波动性对电网运行的影响,基于模型预测的思想对当前应用于功率预测的自适应小波网络(AWNN)参数迭代求解方法进行了优化。使用与差分进化相融合的改进粒子群算法PSO-DE来替代传统梯度下降算法,优化了AWNN网络的迭代方式。PSO-DE算法一方面借助差分进化算法中的遗传、变异及交叉机制提升了粒子种群间的信息流通效率;另一方面则通过惯性权重因子和束缚机制将粒子束缚在指定区间内波动,从而避免了算法在优化求解时陷入局部最优解的情况。基于广东某地区的光伏发电数据集进行了算法仿真,结果表明在引入PSO-DE算法后模型的主要性能指标显著提升,有效提高了可再生能源的功率预测精度。