仿生智能算法在新能源電力系統(tǒng)參數(shù)預(yù)測(cè)中的應(yīng)用.pdf

1、隨著化石能源的快速消耗和環(huán)境污染問(wèn)題的增多，新能源產(chǎn)業(yè)被國(guó)際社會(huì)的關(guān)注也越發(fā)增加。風(fēng)能和太陽(yáng)能作新興能源產(chǎn)業(yè)兩大重點(diǎn)也開(kāi)始飛速發(fā)展，而其發(fā)電過(guò)程中的問(wèn)題也日益受到重視和研究。
　　光伏、風(fēng)電系統(tǒng)均存在的較強(qiáng)的模型/參數(shù)不確定和隨機(jī)性，導(dǎo)致功率產(chǎn)出的不可知和變負(fù)載條件下混合能源配置的難度增大。針對(duì)該問(wèn)題，本文將仿生算法融合進(jìn)支持向量機(jī)(Support Vector Machine，SVM)的參數(shù)優(yōu)化中，進(jìn)而構(gòu)建光伏出力預(yù)測(cè)、風(fēng)速預(yù)測(cè)

2、及負(fù)載預(yù)測(cè)模型，實(shí)現(xiàn)混合能源系統(tǒng)參數(shù)配置。主要研究?jī)?nèi)容包括:
　　(1)提出基于改進(jìn)的后向?qū)?yōu)蝙蝠算法(Backward Bat Algorithm，BBA)的支持向量機(jī)算法(BBA-SVM)，以及在此基礎(chǔ)上融合遺傳規(guī)則的仿生蝙蝠算法(Genetic-BBA，G-BBA);其核心思想是將蝙蝠算法的變步長(zhǎng)和尋優(yōu)時(shí)的搜索方向進(jìn)行修正，增加反向搜索尋優(yōu)機(jī)制，以快速跳出局部最優(yōu)，提高SVM參數(shù)全局尋優(yōu)精度和效率。
　　(2)以光伏系

3、統(tǒng)為例，利用SAM(System Advisor Model)建模軟件提供的光伏功率、光照強(qiáng)度、溫度的歷史數(shù)據(jù)輔助構(gòu)建光伏出力預(yù)測(cè)模型，將BBA-SVM和G-BBA-SVM算法應(yīng)用至其功率預(yù)測(cè)中，并對(duì)多種仿生SVM預(yù)測(cè)算法進(jìn)行對(duì)比分析。
　　(3)將BBA-SVM應(yīng)用到風(fēng)力發(fā)電功率預(yù)測(cè)，利用Bladed專(zhuān)業(yè)風(fēng)機(jī)建模軟件產(chǎn)生的風(fēng)速數(shù)據(jù)作為輸入，構(gòu)建風(fēng)力回歸預(yù)測(cè)模型，并進(jìn)行了數(shù)據(jù)分析。
　　(4)進(jìn)行BBA-SVM負(fù)載需求預(yù)測(cè)下