10.3969/j.issn.1000-386x.2020.08.019
基于改进的Semi Boost天气聚类的CC-PSO-DBN短期光伏发电预测
为了提高短期光伏发电预测的准确性,提出一种改进Semi Boost(Semi-supervised Boosting)天气聚类法和结合混沌纵横交叉的粒子群优化算法(Particle swarm optimization combined with chaos crossover,CC-PSO)优化深度置信网络(Deep Belief Network,DBN)连接权重的组合光伏发电功率预测方法.为了提高预测精度,设计并训练了Semi Boost改进的基于加权K近邻(Weighted K-nearest Neighbor,WKNN)置信度传播(Belief Propagation,BP)分类方法,对各天气类型采用对应的网络进行预测.DBN连接权重采用CC-PSO算法优化,避免出现由随机初始化导致的局部最优解现象,从而提高了DBN网络预测性能.实验结果验证了该模型的有效性.
Boosting、半监督分类、深度信念网络、混沌横纵交叉、粒子群算法、光伏功率预测
37
TM615;TP3(发电、发电厂)
2020-08-19（万方平台首次上网日期，不代表论文的发表时间）
共7页
103-109
