| 改进神经网络模型在光伏发电预测中的应用 |
| |
| 作者姓名： | 胡克用 李云龙 江霞 李静 胡则辉 |
| |
| 作者单位： | 杭州师范大学钱江学院, 杭州 310018,杭州师范大学钱江学院, 杭州 310018,杭州师范大学钱江学院, 杭州 310018,杭州师范大学钱江学院, 杭州 310018,杭州师范大学钱江学院, 杭州 310018 |
| |
| 基金项目： | 浙江省自然科学基金（LY17E070004）,浙江省教育科学规划研究课题（2018SCG015）,浙江省高校实验室工作研究项目（YB201904）,杭州师范大学钱江学院科学研究资助项目（2019QJJL05）,国家自然科学基金（61702151） |
| |
| 摘 要： | 针对传统的BP神经网络模型在光伏发电功率预测中,存在着的预测精度不高、收敛速度较慢的弊端,本文提出一种改进型的BP神经网络模型,运用增加动量项以及自适应选取最佳隐含层的方法来改进传统BP模型的缺陷.文中首先进行了各类气象因素对于光伏发电功率输出影响的相关性分析,提取出最能影响光伏发电功率的6个气象因素,作为网络模型的输入,然后建立了改进型的BP网络模型,结合光伏功率输出的历史数据,来进行发电数据的直接预测;最后根据不同气候类型下的预测结果,分析并验证了采用该模型进行功率预测的可行性和有效性.
|
| 关 键 词： | 光伏发电 相关性分析 气象因素 神经网络 |
| 收稿时间： | 2018-10-17 |
| 修稿时间： | 2018-11-06 |
|
| 点击此处可从《计算机系统应用》浏览原始摘要信息 |
|
点击此处可从《计算机系统应用》下载免费的PDF全文 |
|
