Print

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

  • 0 引言
  • 1 非线性自回归动态神经网络建模
  •   1.1 神经网络训练
  •   1.2 神经网络检验
  •   1.3 实际预测
  • 2 模型输入及训练样本结构
  •   2.1 模型输入
  •     2.1.1 地外太阳辐照度
  •     2.1.2 太阳高度角与大气光学质量
  •   2.2 训练样本结构
  •     2.2.1 串联型训练样本
  •     2.2.2 并联型训练样本
  • 3 算例验证
  •   3.1 不同输入组合预测精度
  •   3.2 串联型与并联型训练样本预测误差对比
  •   3.3 不同天气类型下GHI预测结果
  • 4 结论

    • 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

    本文来源: https://www.lunwen66.cn/article/08d2ab9cc4be0ebedd535ba8.html