10.3969/j.issn.1006-9348.2022.11.030
基于改进型BP神经网络的光伏功率预测
光伏发电技术作为新时代主要能源供给手段被广泛应用,针对光伏发电数据采集不完整、筛选不合理、数据挖掘不全面等造成的预测精度低的问题,提出了一种结合流形学习算法和改进型BP神经网络算法.首先用灰度关联算法排除3项与光伏功率关联度最差的因素,然后结合流形学习网络将数据空间进行降维,最后采用模拟端对端结构的改进型BP神经网络来训练获得影响因子,保存的算法模型可以对未来几年的数据进行预测.实验结果表明,相比其它传统的算法,平均绝对百分比误差(MAPE)下降了 10%左右,均方根误差(RMSE)下降了 0.2kw左右,一定程度导航提高而光伏功率的预测精度.研究证明了算法具有较高的准确性、鲁棒性、模型具有较强的可迁移性.
流行学习、光伏功率、神经网络、数据预测
39
TP181(自动化基础理论)
国家自然科学基金;湖北工业大学博士启动基金
2023-01-07(万方平台首次上网日期,不代表论文的发表时间)
共5页
153-157