10.3969/j.issn.1003-8930.2013.06.017
主成分分析结合神经网络的光伏发电量预测
针对光伏发电量预测模型主要以气象因素、历史发电量等作为BP神经网络的输入,输入量多、数据冗余、网络难以收敛.利用主成分分析法PCA (principal components analysis)分析原来多个输入变量反映的个体信息,提取较少的几项综合性变量,减少预测模型的输入量.同时利用遗传算法优化BP网络的权值阈值建立预测模型,克服了神经网络算法的局部收敛、训练速度慢等问题.实验结果表明,该方法提高了预测精度,为解决光伏系统发电量预测提供了一种可行方法.
光伏发电、发电量短期预测、神经网络、遗传算法、主成分分析法
25
TM615(发电、发电厂)
国家高技术研究发展计划863计划项目2011AA05A105
2014-02-24(万方平台首次上网日期,不代表论文的发表时间)
共5页
101-105