10.3969/j.issn.1002-2279.2016.02.021
基于 BP 神经网络的光伏发电预测模型设计
结合历史发电量和气象数据分析了影响光伏系统发电功率的各项因素,针对传统光伏发电预测模型预测精度不高的问题,加入了电池板温度信息作为光伏发电预测模型的输入参考量;针对传统 BP 神经网络易陷入局部极值的缺陷,提出了基于改进学习率和权值的弹性自适应规则的 BP 神经网络。采用光伏监控系统历史发电量和气象数据建立了弹性自适应 BP 神经网络预测模型,对训练好的模型进行了测试和评估。预测结果表明,该预测方法较好地解决了传统 BP 算法易陷入局部极值的问题,提高了系统预测结果精度。
BP 神经网络、预测模型、气象数据、电池板温度、弹性自适应、局部极值
37
TM7(输配电工程、电力网及电力系统)
基金项目中央高校基本科研基金2013B08914;江苏省输配电装备技术重点实验室开放式基金2011JSSPD13
2016-06-06(万方平台首次上网日期,不代表论文的发表时间)
共4页
82-85