Print

基于多元分析的优化模糊神经网络太阳能辐射量短期预测

论文摘要

为准确预测太阳能辐射量,提出一种基于多元分析的优化模糊神经网络预测辐射量的方法。首先结合曲线拟合和拉依达准则对数据做粗大误差的剔除,然后运用主成分分析法提取影响太阳能辐射量的主要因素,最后结合定性分析和定量分析建立优化的模糊神经网络预测模型,并设计数据采集装置采集短期气象数据,以提高预测的实时性和准确性。通过与不同的预测模型对比,验证本文所提算法和模型的正确性,结果表明该模型有效提高了短期太阳能数据预测的精准度。

论文目录

  • 0 引言
  • 1 太阳能数据变化趋势
  • 2 多元分析
  •   2.1 主成分分析
  •   2.2 曲线拟合
  •   2.3 定性分析和定量分析
  •   2.4 模糊神经网络
  • 3 预测模型搭建
  •   3.1 数据采集装置
  •   3.2 数据处理
  •   3.3 预测程序流程
  • 4 实验实例
  •   4.1 实验结果
  •   4.2 模型对比
  • 5 结论

    • 文章来源

    类型: 期刊论文

    作者: 高亮,张新燕,杨琪,张家军,高敏

    关键词: 太阳辐射量,短期预测,主成分分析,模糊神经网络,数据采集装置

    来源: 水力发电 2019年07期

    年度: 2019

    分类: 工程科技Ⅱ辑,信息科技

    专业: 新能源,自动化技术

    单位: 新疆大学电气工程学院,国网阿合奇县电力公司

    基金: 国家自然科学基金资助项目(51667018)

    分类号: TP183;TK511

    页码: 111-114+119

    总页数: 5

    文件大小: 1745K

    下载量: 249

    相关论文文献

    本文来源: https://www.lunwen66.cn/article/e6e639162e880510fc7a8a22.html