天津理工大学学报

2020, v.36;No.158(01) 25-30

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

基于BP神经网络的双模型光伏发电量预测
Prediction of dual model photovoltaic power generation based on BP neural network

刘如慧;姜军;王剑峰;周玲玲;问虎龙;仇志鑫;

摘要(Abstract):

光伏系统的发电量受到太阳辐照强度、温度、湿度和压强等多种天气变量的影响,变化复杂,具有间歇性和波动性.传统预测模型中需要以天气预报数据作为输入,但其与实际的天气变量存在一定偏差,这给预测结果带来了不可避免的误差.为了进一步提高预测精度,本文提出了天气变量预测数据到天气变量实际数据和天气变量实际数据到光伏系统发电量的双模型预测系统,并对训练好的模型进行了测试和分析,预测结果表明,此模型能够达到较高的预测精度,具有一定的可行性和有效性.

关键词(KeyWords): 光伏发电;天气变量;双模型;预测精度;神经网络

Abstract:

Keywords:

基金项目(Foundation): 天津市科技计划项目(2014AA052003)

作者(Author): 刘如慧;姜军;王剑峰;周玲玲;问虎龙;仇志鑫;

Email:

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享