10.3969/j.issn.1001-1390.2016.17.010
基于小波包-神经网络的太阳逐时辐射预测
太阳辐射量受到季节、大气状况、云况、温度、湿度甚至沙尘等气象因素的影响,表现为强烈的时变性和随机性。对于非线性的辐射量预测,目前已提出了许多方法,但依然存在智能算法的选取不合理、网络结构泛化能力差、预测精度不理想等不足。针对光伏电站太阳逐时辐射强度数据特征不明显、普通BP网络难以完全映射其特征的缺点,提出了一种基于小波包-神经网络的预测模型( WPNN),利用小波包变换将辐射强度序列进行多尺度分解,并创建多个BP模型对各分量预测,最后通过重构得到最终的预测结果。结果表明,预测精度明显提高,满足预期效果,证明该模型的有效性和实际意义。
太阳辐射、预测、小波包变换、神经网络
53
TM615(发电、发电厂)
国家自然科学基金资助项目51367015;新疆维吾尔自治区科技支疆项目201491112;国网新疆电网项目SGXJ0000DKJS1440234
2016-11-07(万方平台首次上网日期,不代表论文的发表时间)
共6页
49-54