基于非线性自回归神经网络的GHI预测

论文摘要

针对水平面总辐照度(global horizontal irradiation,GHI)短期预测问题,提出一种基于非线性自回归神经网络的短期水平面太阳总辐照度预测模型。首先,提出一种并联结构训练样本,以保证训练样本内部的时间耦合性。其次,通过对9项气象参数共511种组合作为输入的模型预测精度进行分析,确定模型最优输入组合。最后,利用4种典型气象条件下GHI时延神经网络预测模型,非线性自回归动态神经网络预测模型预测标准均方根误差均降低。

论文目录

文章来源

类型: 期刊论文

作者: 马燕峰,蒋云涛,郝毅,赵书强

关键词: 太阳辐照度,预测,神经网络,动态,非线性自回归,训练样本结构

来源: 太阳能学报 2019年03期

年度: 2019

分类: 工程科技Ⅱ辑,信息科技

专业: 电力工业,自动化技术

单位: 新能源电力系统国家重点实验室(华北电力大学),国网北京市电力公司

基金: 国家重点研发计划(2017YFB0902200),中央高校基本科研业务费专项(2016MS86)

分类号: TM615;TP183

页码: 733-740

总页数: 8

文件大小: 1397K

下载量: 363

相关论文文献

标签：太阳辐照度论文;  预测论文;  神经网络论文;  动态论文;  非线性自回归论文;  训练样本结构论文;