主成分分析结合神经网络的光伏发电量预测

• 作者: 张国江 洪丽 蒋浩
• 来源期刊: 电力系统及其自动化学报
• 学科: 工学
• 关键词: 光伏发电 发电量短期预测 神经网络 遗传算法 主成分分析法
• 年，卷（期）: 2013,（6）
• 所属期刊栏目: 学术论文
• 页码范围: 101-105
• 页数: 5页
• 分类号: TM615
• 字数: 4086字
• 语种: 中文

摘要

针对光伏发电量预测模型主要以气象因素、历史发电量等作为BP神经网络的输入,输入量多、数据冗余、网络难以收敛.利用主成分分析法PCA (principal components analysis)分析原来多个输入变量反映的个体信息,提取较少的几项综合性变量,减少预测模型的输入量.同时利用遗传算法优化BP网络的权值阈值建立预测模型,克服了神经网络算法的局部收敛、训练速度慢等问题.实验结果表明,该方法提高了预测精度,为解决光伏系统发电量预测提供了一种可行方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	蒋浩	东南大学电气工程学院	11	73	4.0	8.0
2	张国江		8	87	4.0	8.0
3	洪丽	东南大学电气工程学院	1	34	1.0	1.0