论文摘要
为提高光伏发电功率的预测精度,针对支持向量机回归（Support Vector Regression,SVR）模型的预测结果易受其惩罚系数C、敏感损失函数的最大误差系数ε和核函数g影响的问题,提出一种基于新型智能算法-蝗虫算法优化SVR模型参数的光伏发电功率预测模型。由于光伏发电功率数据存在随机性和间隙性的特征,Multi-Agent和分布式思想被引入蝗虫算法优化SVR模型,通过将云计算的MapReduce框架和GOA-SVR结合,提出一种基于MapReduce和GOA-SVR并行化的光伏发电功率预测模型（MapReduce and GOA-SVR,MR-GOA-SVR）,从而提高海量高维光伏发电数据的处理能力。将影响光伏输出功率的11个气象因素作为GOA-SVR的输入向量,光伏输出功率作为GOA-SVR的输出向量,建立GOA-SVR的光伏发电功率预测模型。研究结果表明:MR-GOA-SVR可以有效提高不同天气类型下的光伏发电功率的预测精度,具有很强的现实性和指导意义。与PSO-SVR、GA-SVR、GOA-SVR和SVR相比,MR-GOA-SVR在晴天、阴天和雨天均可以提高预测精度,且具有优异的并行性能。
论文目录
文章来源
类型: 期刊论文
作者: 黄桂春,何柏娜,孟繁玉
关键词: 云计算,蝗虫算法,支持向量机回归,光伏发电,粒子群算法,遗传算法,新能源,清洁可再生能源
来源: 水利水电技术 2019年10期
年度: 2019
分类: 工程科技Ⅱ辑,信息科技
专业: 电力工业,自动化技术
单位: 山东理工大学
基金: 国家自然科学基金项目(51807112),山东省重大科技创新工程项目(2017CXGC0615),山东省高等学校科技计划项目(J14LN27)
分类号: TM615;TP18
DOI: 10.13928/j.cnki.wrahe.2019.10.024
页码: 178-186
总页数: 9
文件大小: 2878K
下载量: 316
相关论文文献
标签：云计算论文; 蝗虫算法论文; 支持向量机回归论文; 光伏发电论文; 粒子群算法论文; 遗传算法论文; 新能源论文; 清洁可再生能源论文;