基于神經(jīng)網(wǎng)絡(luò)和改進(jìn)相似日的光伏電站功率預(yù)測(cè)
發(fā)布時(shí)間:2023-04-22 01:34
為提高光伏電站功率預(yù)測(cè)的準(zhǔn)確率,提出了一種基于SOM神經(jīng)網(wǎng)絡(luò)與熵權(quán)法優(yōu)化關(guān)聯(lián)系數(shù)的相似日預(yù)測(cè)模型,利用麻城市某100MW光伏電站的氣溫、相對(duì)濕度、風(fēng)速及國(guó)家氣象站日照時(shí)數(shù)、總云量、低云量等氣象要素,采用SOM神經(jīng)網(wǎng)絡(luò)推算出預(yù)測(cè)日的三個(gè)相似日,再利用熵權(quán)法優(yōu)化關(guān)聯(lián)系數(shù)確定三個(gè)相似日的系數(shù)求出相似日分辨率為15min的瞬時(shí)功率,作為BP神經(jīng)網(wǎng)絡(luò)輸入對(duì)光伏電站進(jìn)行短期功率預(yù)測(cè),并通過與其他四種預(yù)測(cè)模型的對(duì)比分析評(píng)估其性能。結(jié)果表明,模型的月相對(duì)均方根誤差、月平均絕對(duì)百分比誤差分別為5.88%、3.03%,與效果最佳的原理法模型誤差接近;基于熵權(quán)法優(yōu)化的關(guān)聯(lián)系數(shù)和云量數(shù)據(jù)的加入對(duì)預(yù)測(cè)準(zhǔn)確率有較大提高;模型預(yù)測(cè)準(zhǔn)確率較高,抗擾動(dòng)能力較強(qiáng),可集合至本部門開發(fā)的預(yù)測(cè)系統(tǒng)運(yùn)用到實(shí)際中。
【文章頁(yè)數(shù)】:4 頁(yè)
【文章目錄】:
1 引言
2 研究方法
2.1 SOM神經(jīng)網(wǎng)絡(luò)
2.2 基于熵權(quán)法優(yōu)化的關(guān)聯(lián)系數(shù)
2.3 光伏發(fā)電功率預(yù)測(cè)方法
3 光伏電站功率預(yù)測(cè)結(jié)果與分析
3.1 氣象特征向量的確定
3.2 相似日選取
3.3 預(yù)測(cè)結(jié)果及性能評(píng)估
4 結(jié)論
本文編號(hào):3796650
【文章頁(yè)數(shù)】:4 頁(yè)
【文章目錄】:
1 引言
2 研究方法
2.1 SOM神經(jīng)網(wǎng)絡(luò)
2.2 基于熵權(quán)法優(yōu)化的關(guān)聯(lián)系數(shù)
2.3 光伏發(fā)電功率預(yù)測(cè)方法
3 光伏電站功率預(yù)測(cè)結(jié)果與分析
3.1 氣象特征向量的確定
3.2 相似日選取
3.3 預(yù)測(cè)結(jié)果及性能評(píng)估
4 結(jié)論
本文編號(hào):3796650
本文鏈接:http://sikaile.net/kejilunwen/dianlilw/3796650.html
最近更新
教材專著