基于遗传编程增强进化符号回归的PV功率预测
信号处理
2019-10-23 v1 系统与控制
系统与控制
摘要
多年来太阳能已成为最有前途的可再生能源之一。然而，天气给光伏（PV）能源生产带来周期性与波动性。因此，预测PV功率对维持并网系统的可持续性与可靠性至关重要。利用预测模型预估所获取能量，可防止电网因任何微小扰动而受损。在此方向上，人们提出了多种架构以预测气象数据的模糊行为。就此而言，遗传算法（GA）为非线性问题提供了稳健解。GA的成功激励科学家与工程师开发多种模仿其达尔文式适者生存策略的子模型。然而，在训练过程中，后者因局部极小值的存在而面临错失最优解的问题。有鉴于此，本文利用结合通过遗传编程的符号回归器与人工神经网络的混合模型，提供一个月PV功率的精确预测。过程中所用的特征输入仅为太阳辐照与历史太阳能功率数据。所述模型应用于澳大利亚一座200 kW光伏电站，平均绝对误差低至3.30，优于现有最优模型。
引用
@article{arxiv.1910.10065,
title = {Enhanced Evolutionary Symbolic Regression Via Genetic Programming for PV Power Forecasting},
author = {Mohamed Massaoudi and Ines Chihi and Lilia Sidhom and Mohamed Trabelsi and Shady S. Refaat and Fakhreddine S. Oueslati},
journal= {arXiv preprint arXiv:1910.10065},
year = {2019}
}
备注
8 pages, 14 figures