基于BO-SVM和ISO改进的ENN光伏功率超短期预测模型

王育飞; 汪弦哲; 薛花; 余光正; 杨秀

doi:doi:10.19912/j.0254-0096.tynxb.2024-0180

欢迎来到能源电力期刊网！

English Version 读者登录期刊登录

您当前的位置：

首页 >

文章列表页 >

基于BO-SVM和ISO改进的ENN光伏功率超短期预测模型

更新时间：2025-12-02

- 基于BO-SVM和ISO改进的ENN光伏功率超短期预测模型
- 基于BO-SVM和ISO改进的ENN光伏功率超短期预测模型
- 太阳能学报 2025年46卷第6期页码：280-288
- 作者机构：
- 作者简介：
- 基金信息：
  
  国家自然科学基金（52207121）;上海市科技创新行动计划（22010501400）
- DOI：doi:10.19912/j.0254-0096.tynxb.2024-0180
  中图分类号： TM615
- 网络出版：2025-07-07，
  
  纸质出版：2025
- 稿件说明：
移动端阅览
王育飞, 汪弦哲, 薛花, 等. 基于BO-SVM和ISO改进的ENN光伏功率超短期预测模型[J]. 太阳能学报, 2025,46(6):280-288.

王育飞, 汪弦哲, 薛花, et al. 基于BO-SVM和ISO改进的ENN光伏功率超短期预测模型[J]. 2025, 46(6): 280-288.
王育飞, 汪弦哲, 薛花, 等. 基于BO-SVM和ISO改进的ENN光伏功率超短期预测模型[J]. 太阳能学报, 2025,46(6):280-288. DOI： doi:10.19912/j.0254-0096.tynxb.2024-0180.

王育飞, 汪弦哲, 薛花, et al. 基于BO-SVM和ISO改进的ENN光伏功率超短期预测模型[J]. 2025, 46(6): 280-288. DOI： doi:10.19912/j.0254-0096.tynxb.2024-0180.

摘要

针对超短期光伏功率预测时传统大脑情绪神经网络（ENN）短反射通路拟合能力不强导致预测精度不高的问题

提出一种基于贝叶斯优化-支持向量机（BO-SVM）和改进蛇优化（ISO）的大脑情绪神经网络光伏功率预测模型。首先

为提高短反射通路的非线性拟合能力

采用基于BO-SVM的历史数据三维相点分类平面选取方法

并考虑三维相点到分类平面距离

提取历史数据非线性特征;其次

改进蛇优化算法并用于ENN的权值寻优

确保短反射通路合理表达历史数据非线性特征;然后

对光伏功率时间序列进行混沌相空间重构

并建立基于BO-SVM和ISO改进的ENN光伏功率超短期预测模型;最后

运用实测数据

验证所提模型实现不同天气下光伏功率超短期预测精度的提升。

Abstract

Aiming at the problem of low accuracy in ultra-short-term photovoltaic power forecasting

caused by weak fitting ability of short reflex pathway of traditional brain emotional neural network （ENN）

a modified model based on ENN using bayesian optimization-support vector machine （BO-SVM） and improved snake optimization （ISO） is proposed. Firstly

in order to improve the nonlinear fitting ability of short reflen pathway

the hyperplane selection method of three-dimension phase points of historical data based on BO-SVM is adopted

and the nonlinear features of historical data are extracted by considering the distance between three-dimension phase points and hyperplane. Secondly

the snake optimization algorithm is improved and applied to the weight optimization of ENN

to ensure the short reflen pathway can reasonably express the nonlinear characteristics of the historical data. Then

the chaos phase space reconstruction of photovoltaic power time series is carried out

and the ultra-short-term forecasting model of photovoltaic power based on improved ENN using BO-SVM and ISO is established. Finally

the proposed ultra-short term forecasting model of photovoltaic power is verified using the measured data

which can realize the improvement of accuracy under different weather conditions.

关键词

Keywords

references

辛保安, 单葆国, 李琼慧, 等. “双碳” 目标下“能源三要素” 再思考[J]. 中国电机工程学报, 2022, 42(9): 3117-3126.

贾凌云, 云斯宁, 赵泽妮, 等. 神经网络短期光伏发电预测的应用研究进展[J]. 太阳能学报, 2022, 43(12): 88-97.

王献志, 曾四鸣, 周雪青, 等. 基于XGBoost联合模型的光伏发电功率预测[J]. 太阳能学报, 2022, 43(4): 236-242.

朱琼锋, 李家腾, 乔骥, 等. 人工智能技术在新能源功率预测的应用及展望[J]. 中国电机工程学报, 2023, 43(8): 3027-3048.

TEMENG V A, ZIGGAH Y Y, ARTHUR C K.A novel artificial intelligent model for predicting air overpressure using brain inspired emotional neural network[J]. International journal of mining science and technology, 2020, 30(5): 683-689.

LIN C M, PHAM D H, HUYNH T T.Encryption and decryption of audio signal and image secure communications using chaotic system synchronization control by TSK fuzzy brain emotional learning controllers[J]. IEEE transactions on cybernetics, 2022, 52(12): 13684-13698.

魏民祥, 杨佳伟, 陈凯, 等. 基于改进大脑情感学习模型的车辆纵向跟随[J]. 吉林大学学报(工学版), 2022, 52(12): 2994-3005.

BRAZ C M, COELHO J P, GONÇALVES J. Semi-active vibration control of a non-collocated civil structure using evolutionary-based BELBIC[J]. Actuators, 2019, 8(2): 43.

SOUZANCHI-K M, AKBARZADEH-T M R. Brain emotional learning impedance control of uncertain nonlinear systems with time delay: experiments on a hybrid elastic joint robot in telesurgery[J]. Computers in biology and medicine, 2021, 138: 104786.

LOTFI E, AKBARZADEH-T M R. A winner-take-all approach to emotional neural networks with universal approximation property[J]. Information sciences, 2016, 346: 369-388.

FARHOUDI Z, SETAYESHI S.Fusion of deep learning features with mixture of brain emotional learning for audio-visual emotion recognition[J]. Speech communication, 2021, 127: 92-103.

梅英, 谭冠政, 刘振焘, 等. 基于大脑情感学习模型和自适应遗传算法的混沌时间序列预测[J]. 物理学报, 2018, 67(8): 20-31.

WANG Y F, ZHU L, XUE H.Ultra-short-term photovoltaic power prediction model based on the localized emotion reconstruction emotional neural network[J]. Energies, 2020, 13(11): 2857.

XU C, WANG C H, JIANG J G, et al.Memristive circuit implementation of context-dependent emotional learning network and its application in multitask[J]. IEEE transactions on computer-aided design of integrated circuits and systems, 2022, 41(9): 3052-3065.

PURI A, KUMAR GUPTA M.Improved hybrid bag-boost ensemble with K-Means-SMOTE-ENN technique for handling noisy class imbalanced data[J]. The computer journal, 2022, 65(1): 124-138.

王育飞, 杨启星, 薛花. 考虑混沌特征的增强型大脑情绪神经网络光伏发电功率超短期预测模型[J]. 高电压技术, 2021, 47(4): 1165-1177.

陈元峰, 马溪原, 程凯, 等. 基于气象特征量选取与SVM模型参数优化的新能源超短期功率预测[J]. 太阳能学报, 2023, 44(12): 568-576.

栗磊, 王廷涛, 赫嘉楠, 等. 考虑过采样器与分类器参数优化的变压器故障诊断策略[J]. 电力自动化设备, 2023, 43(1): 209-217.

陈世群, 杨耿杰, 高伟. 一种基于BOA-SAE-EELM的光伏阵列故障诊断方法[J]. 太阳能学报, 2022, 43(4): 154-161.

HASHIM F A, HUSSIEN A G.Snake Optimizer: a novel meta-heuristic optimization algorithm[J]. Knowledge-based systems, 2022, 242: 108320.

王育飞, 付玉超, 薛花. 计及太阳辐射和混沌特征提取的光伏发电功率DMCS-WNN预测法[J]. 中国电机工程学报, 2019, 39(S1): 63-71.

李东东, 刘宇航, 赵阳, 等. 基于改进生成对抗网络的风机行星齿轮箱故障诊断方法[J]. 中国电机工程学报, 2021, 41(21): 7496-7507.

张译丹, 李奇, 尹良震, 等. 引入自监督机制的燃料电池水管理系统健康状态检测方法[J]. 中国电机工程学报, 2023, 43(13): 5025-5037.

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于功率特征的K-ISSA-LSTM光伏功率预测

基于注意力时间卷积神经网络的光伏功率概率预测

基于贝叶斯参数学习优化的海上风电机组动态可靠性预测

基于PIA数据修复和聚类的MVMD-CNN-BiLSTM-ATT短期光伏功率预测