基于支持向量回归的PV/T组件温度实时预测 |
| |
作者姓名: | 李畸勇 汤允凤 胡恒 陈敏 周兴操 谢玲玲 宋春宁 |
| |
作者单位: | 广西大学 电气工程学院,广西 南宁 530004;广西大学 广西电力系统最优化与节能技术重点实验室,广西 南宁 530004;广西大学 电气工程学院,广西 南宁 530004 |
| |
基金项目: | 国家自然科学基金;广西自然科学基金 |
| |
摘 要: | 在光伏光热系统中,光伏板的发电效率与PV/T组件温度密切相关。实时、精确地预测PV/T组件温度,对优化控制决策、提高光伏板发电效率具有重要意义。文章利用支持向量回归(SVR)算法建立PV/T组件温度预测模型。为了提高该模型预测结果的精确度,采用网格搜索与交叉验证相结合的方法对SVR核函数参数g和惩罚因子c进行寻优;然后,结合实验平台的测量数据,划分训练集和预测集,并对原始数据进行归一化处理;最后,文章将基于SVR算法温度预测模型的预测结果与BP神经网络的预测结果进行对比。分析结果表明:基于SVR算法温度预测模型的预测值与实测值基本一致,该模型的预测精度和泛化性能均优于BP神经网络的预测结果。
|
关 键 词: | PV/T 温度预测 归一化 支持向量回归 网格搜索 交叉验证 |
本文献已被 CNKI 万方数据 等数据库收录! |
|