关键词:
风光水功率预测
AFSA-GRNN
平滑因子
结果对比
摘要:
【目的】构建以清洁低碳能源为主体的能源供应体系是实现碳中和目标的关键举措,光伏发电、风力发电与水力发电是清洁能源的重要组成部分,但风光发电的不确定性会导致出力波动,进而影响电力系统的稳定性。【方法】准确预测风光发电出力是电网合理调度、稳定运行和减少因风光发电比例失调而带来的经济损失的重要手段。针对传统神经网络算法计算速度慢且易陷入局部极小点等不足,提出了一种基于人工鱼群算法(Artificial Fish Swarm Algorithm,AFSA)改进广义回归神经网络(General Regression Neural Network,GRNN)的风光水发电系统功率预测模型。【结果】1)利用AFSA算法计算出最优平滑因子值为0.2,提高了模型参数搜索的效率和鲁棒性;2)通过AFSA-GRNN模型预测风光发电功率,对光伏、风电春夏季典型日、典型月的预测结果进行误差分析,得到的RMSE分别为3.68%、3.98%、3.25%、2.7%,36.76%、23.89%、35.98%、21.34%;3)AFSA-GRNN对水力发电功率预测的误差值小于LSTM算法,RMSE为14.35%。【结论】AFSA-GRNN模型预测精度和运行效率均优于LTSM模型,可以为风光水发电预测提供参考。