电子设计工程
電子設計工程
전자설계공정
Electronic Design Engineering
2015年
22期
84-85,88
,共3页
光伏发电量%预测%回声状态网%历史数据
光伏髮電量%預測%迴聲狀態網%歷史數據
광복발전량%예측%회성상태망%역사수거
photovoltaic power generation%forecasting%echo state network%historical data
对光伏发电系统的发电特性及影响发电的因素进行分析,建立了基于回声状态网的光伏发电量预测模型. 该模型利用回声状态网的简单而独特的学习方法,将光伏发电系统的历史数据(如发电量、 光照强度、温度)作为模型的学习样本,对网络模型进行学习,并利用学习稳定的模型对发电量进行预测. 仿真实验表明,该预测方法能得到较高的预测精度.
對光伏髮電繫統的髮電特性及影響髮電的因素進行分析,建立瞭基于迴聲狀態網的光伏髮電量預測模型. 該模型利用迴聲狀態網的簡單而獨特的學習方法,將光伏髮電繫統的歷史數據(如髮電量、 光照彊度、溫度)作為模型的學習樣本,對網絡模型進行學習,併利用學習穩定的模型對髮電量進行預測. 倣真實驗錶明,該預測方法能得到較高的預測精度.
대광복발전계통적발전특성급영향발전적인소진행분석,건립료기우회성상태망적광복발전량예측모형. 해모형이용회성상태망적간단이독특적학습방법,장광복발전계통적역사수거(여발전량、 광조강도、온도)작위모형적학습양본,대망락모형진행학습,병이용학습은정적모형대발전량진행예측. 방진실험표명,해예측방법능득도교고적예측정도.
For the photovoltaic power generation system, analyzing the characteristics and factors of power generation, the photovoltaic power generation forecasting model is established based on echo state network. Using the historical data of the photovoltaic power generation system (such as electricity, light intensity, temperature) as learning samples, the model utilizes the simple and unique learning method of echo state network to learn network , and the stabile model is used to forecast the power generation. Simulation experiments show that the forecasting method can get higher prediction precision.
