基于改进小波神经网络的光伏发电系统非线性模型辨识

• 作者: 刘士荣 谢小高 郑凌蔚
• 来源期刊: 电网技术
• 学科: 工学
• 关键词: 光伏发电系统 非线性自回归外推 模型辨识 改 进小波神经网络 方差分析
• 年，卷（期）: 2011,（10）
• 所属期刊栏目: 新能源与分布式发电
• 页码范围: 159-164
• 分类号: TM615
• 字数: 3471字
• 语种: 中文

摘要

将光伏发电系统看成基于气象参数的非线性黑箱模型，用非线性自回归外推模型对不同天气条件下的光伏发电系统进行辨识。采用了对系统维数不敏感的基于方差分析展开的改进小波神经网络对系统进行非线性自回归外推模型辨识，辨识数据和验证数据均取自实际光伏发电系统。实例研究结果表明：与Sigmoid网络函数法、树分割法及基本小波神经网络法相比，基于改进小波神经网络的非线性自回归外推模型能更好地反应各种不同天气条件下光伏发电系统的动态行为；天气波动的剧烈程度对辨识效果影响较大。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘士荣	杭州电子科技大学自动化研究所	73	1072	16.0	30.0
2	谢小高	杭州电子科技大学自动化研究所	11	102	5.0	10.0
3	郑凌蔚	杭州电子科技大学自动化研究所	13	274	5.0	13.0