戴宝赋，胡 天，谭建军，孙先波，黄 勇，朱 黎，胡 涛，易金桥*

(1.湖北民族大学 信息工程学院，湖北 恩施 445000；2.国家电网湖北电力公司 宜昌供电公司，湖北 宜昌 443000)

2020年，中国光伏发电装机总容量累计253 GW,连续6年位居全球首位[1].但大型光伏电站本地用户的消纳能力有限，因此，准确预测光伏电站发电量，有助于实时调整调度计划.

反向传播神经网络(back propagation neural network,BPNN)是预测光伏电站发电量的主要方法之一，具有高度的自我学习能力和较强的非线性映射能力，但对初始权值和阈值较为敏感.为避免BPNN因初始权值和阈值选取不当而陷入局部最优解，龚波等[2]基于改进人工鱼群算法优化BPNN的初始权值和阈值，提高了系统的泛化能力.郑建鄂等[3]将天气类型进行量化处理，基于人工蜂群算法优化BPNN，提高了预测的准确性.杨书杰等[4]基于灰狼算法优化BPNN，增强全局搜索能力，提高收敛速度和精度.耿博等[5]基于GA优化BPNN，并引入相似日的概念提高了预测精度.

鲸鱼算法通过模拟鲸鱼的搜索行为、包围行为和泡网捕食行为，以到达寻找最优解的目的.鲸鱼算法具有结构简单、操作简便等优点，但收敛速度慢、易早熟.徐航等[6]引入Gauss映射产生种群，提高了算法跳出局部最优解的能力.刘琨等[7]使用精英反向学习的策略初始化种群，提高种群的质量及全局收敛速度.赵传武等[8]通过引入非线性权重优化鲸鱼的位置更新公式，提高了收敛速度和精度.冯文涛等[9]基于柯西反向学习和DE算法对鲸鱼算法的……