基于小波神经网络的太阳辐照强度预测

被引：13

作者：

贺文 ^{[1
]}

齐爽 ^{[2
]}

李国庆 ^{[2
]}

陈厚合 ^{[2
]}

机构：

[1] 国网宁夏电力公司

[2] 东北电力大学电气工程学院

来源：

可再生能源 | 2015年 / 03期

关键词：

太阳能; 辐照强度; 小波神经网络; 预测;

D O I：

暂无

中图分类号：

TK511 [太阳能]; TP183 [人工神经网络与计算];

学科分类号：

080703 [动力机械及工程]; 140502 [人工智能];

摘要：

提出了基于小波神经网络的太阳辐照强度预测方法。利用皮尔逊相关系数分析法和曲线估计筛选出影响太阳辐照强度的重要因素;采用小波理论和神经网络理论相结合的小波神经网络分别建立春、夏、秋、冬4个预测模型;采用最小均方误差能量函数法自动优化网络结构,把历史太阳辐照强度、经度、纬度、海拔高度、天气类型、日照时数、最高温度、最低温度、相对湿度、大气压强作为模型的最优输入;采用L-M训练方法对太阳辐照强度进行了min级预测。通过对4个季节特殊天气类型的太阳辐照强度预测,并与BP神经网络进行对比,验证了该方法的可行性和准确性。

引用

页码：333 / 339

页数：7

共 6 条

[1]

基于BP神经网络的光伏发电短期出力预测 [J].

袁晓玲 ;

施俊华 ;

徐杰彦 .

可再生能源, 2013, (07) :11-16

[2]

光伏电站辐照度ANN预测及其两维变尺度修正方法 [J].

米增强 ;

王飞 ;

杨光 ;

王哲 ;

苏适 ;

于波 ;

张亮 ;

杨奇逊 .

太阳能学报, 2013, 34 (02) :251-259

[3]

基于小波分析的风电场短期发电功率预测 [J].

王丽婕 ;

冬雷 ;

廖晓钟 ;

高阳 .

中国电机工程学报, 2009, 29 (28) :30-33

[4]

Comparison of LLR; MLP; Elman; NNARX and ANFIS Models—with a case study in solar radiation estimation[J] A. Moghaddamnia;R. Remesan;M. Hassanpour Kashani;M. Mohammadi;D. Han;J. Piri Journal of Atmospheric and Solar-Terrestrial Physics 2009,

[5]

ANN-based modelling and estimation of daily global solar radiation data: A case study[J] M. Benghanem;A. Mellit;S.N. Alamri Energy Conversion and Management 2009,

[6]

Hourly solar radiation forecasting using optimal coefficient 2-D linear filters and feed-forward neural networks[J] Solar Energy 2008,

← 1 →