在光伏光熱系統(tǒng)中,光伏板的發(fā)電效率與PV/T組件溫度密切相關。實時、精確地預測PV/T組件溫度,對優(yōu)化控制決策、提高光伏板發(fā)電效率具有重要意義。文章利用支持向量回歸（SVR）算法建立PV/T組件溫度預測模型。為了提高該模型預測結果的精確度,采用網(wǎng)格搜索與交叉驗證相結合的方法對SVR核函數(shù)參數(shù)g和懲罰因子c進行尋優(yōu);然后,結合實驗平臺的測量數(shù)據(jù),劃分訓練集和預測集,并對原始數(shù)據(jù)進行歸一化處理;最后,文章將基于SVR算法溫度預測模型的預測結果與BP神經(jīng)網(wǎng)絡的預測結果進行對比。分析結果表明:基于SVR算法溫度預測模型的預測值與實測值基本一致,該模型的預測精度和泛化性能均優(yōu)于BP神經(jīng)網(wǎng)絡的預測結果。 

【文章來源】：可再生能源. 2020,38(08)北大核心

【文章頁數(shù)】：7 頁

【部分圖文】：

水冷式平板型PV/T組件結構圖

圖2為PV/T系統(tǒng)結構圖。由圖2可知，PV/T系統(tǒng)主要包括PV/T組件、水泵、變頻器、數(shù)據(jù)采集系統(tǒng)、計算機監(jiān)控系統(tǒng)。其中，數(shù)據(jù)采集系統(tǒng)包括了校園氣象站、溫度傳感器、流量計等，可采集PV/T系統(tǒng)的各項數(shù)據(jù)。水泵頻率可以根據(jù)PV/T組件溫度情況進行手動控制或者由MATLAB生成控制算法進行自動控制，使得光伏組件能夠在適宜的溫度環(huán)境下工作，既提高了發(fā)電效率，又能夠?qū)崿F(xiàn)熱量回收。

SVR溫度預測模型的建立過程及其實時預測流程

【參考文獻】：
期刊論文
[1]基于PCA-Elman神經(jīng)網(wǎng)絡的短期PV/T組件溫度預測[J]. 李畸勇,趙振東,李宜生,肖晶,湯允鳳.  可再生能源. 2017(12)
[2]基于網(wǎng)格搜索與交叉驗證的SVM磨機負荷預測[J]. 羅小燕,陳慧明,盧小江,熊洋.  中國測試. 2017(01)
[3]氣象要素對太陽能電池板溫度的影響[J]. 潘進軍,申彥波,邊澤強,王香云.  應用氣象學報. 2014(02)
[4]基于多維時間序列局部支持向量回歸的微網(wǎng)光伏發(fā)電預測[J]. 黃磊,舒杰,姜桂秀,張繼元.  電力系統(tǒng)自動化. 2014(05)
[5]基于網(wǎng)格搜索和交叉驗證的支持向量機在梯級水電系統(tǒng)隱隨機調(diào)度中的應用[J]. 紀昌明,周婷,向騰飛,黃海濤.  電力自動化設備. 2014(03)
[6]基于BP神經(jīng)網(wǎng)絡的光伏陣列溫度預測[J]. 徐瑞東,戴瀹,孫曉燕.  工礦自動化. 2012(07)
[7]基于改進的網(wǎng)格搜索法的SVM參數(shù)優(yōu)化[J]. 王健峰,張磊,陳國興,何學文.  應用科技. 2012(03)



本文編號：3439961