科技和产业
科技和產業
과기화산업
SCIENCE TECHNOLOGY AND INDUSTRY
2014年
2期
146-150
,共5页
光伏发电预测%太阳辐射曲线匹配%时段分解%BP神经网络
光伏髮電預測%太暘輻射麯線匹配%時段分解%BP神經網絡
광복발전예측%태양복사곡선필배%시단분해%BP신경망락
为了对光伏发电的输出功率进行预测,本文分析光伏发电的影响因素,提出了一种基于太阳辐射功率曲线匹配的预测模型.该模型将历史数据按时段进行分解,查找与当前时段太阳辐射功率曲线最为匹配的数据,以此构建并训练BP神经网络,来预测未来3个小时内的太阳辐射功率,能够较好的实现预测目标.实验结果表明,该模型有较高的精度,可对电网调度起到重要的指导作用.
為瞭對光伏髮電的輸齣功率進行預測,本文分析光伏髮電的影響因素,提齣瞭一種基于太暘輻射功率麯線匹配的預測模型.該模型將歷史數據按時段進行分解,查找與噹前時段太暘輻射功率麯線最為匹配的數據,以此構建併訓練BP神經網絡,來預測未來3箇小時內的太暘輻射功率,能夠較好的實現預測目標.實驗結果錶明,該模型有較高的精度,可對電網調度起到重要的指導作用.
위료대광복발전적수출공솔진행예측,본문분석광복발전적영향인소,제출료일충기우태양복사공솔곡선필배적예측모형.해모형장역사수거안시단진행분해,사조여당전시단태양복사공솔곡선최위필배적수거,이차구건병훈련BP신경망락,래예측미래3개소시내적태양복사공솔,능구교호적실현예측목표.실험결과표명,해모형유교고적정도,가대전망조도기도중요적지도작용.
