光伏充气膜温室自跟踪发电系统发电量预测方法研究
针对光伏充气膜温室自跟踪光伏发电系统提出了一种加入天气预报信息的自适应变异粒子群神经网络的发电量预测方法。首先结合历史发电量数据和气象数据分析了影响光伏充气膜温室自跟踪发电系统发电量的主要因素,建立了加入天气预报的神经网络预测模型,并针对传统神经网络预测模型中基于梯度下降的BP算法收敛慢、易陷入局部最优、训练难收敛等问题,引入自适应变异粒子群算法改进神经网络的训练效果。该算法通过将变异环节引入PSO算法,进行隔代进化找到局部最优解。实验结果表明所采用的自适应变异粒子群的神经网络预测方法的全局收敛性能得到了显著提高,能有效避免粒子群优化算法中的早熟收敛问题,是一种有效的发电量预测方法。
光伏充气膜温室 自跟踪系统 发电量预测 神经网络算法
徐小力 刘秋爽 见浪護
北京信息科技大学大学现代测控技术教育部重点实验室,北京 100192 北京七星华创电子股份有限公司集成电路工艺设备研发中心,北京 100015 日本冈山大学,日本 700-8530
国内会议
杭州
中文
153-159
2012-10-27（万方平台首次上网日期，不代表论文的发表时间）