基于粒子群优化支持向量机的太阳电池温度预测

• 作者: 张纯杰 桑虎堂 苟向锋 赵志刚
• 来源期刊: 物理学报
• 关键词: 太阳电池温度 热模型 支持向量机 粒子群优化算法
• 年，卷（期）: 2015,（8）
• 所属期刊栏目: 物理学交叉学科及有关科学技术领域
• 页码范围: 088801-1-088801-7
• 页数: 1页
• 语种: 中文
• DOI: 10.7498/aps.64.088801

摘要

建立通用而精确的太阳电池热模型对光伏系统的建模、输出功率与转换效率的损失分析至关重要.基于复杂的太阳电池温度机理,分别研究了太阳电池温度的稳态热模型(steady state thermal model, SSTM)和支持向量机(support vector machines, SVM)方法建立的精确预测热模型.首先,基于空气温度、太阳辐射强度、风速3个最主要因素与太阳电池温度的近似线性关系,在已有SSTM的基础上,建立并校正了太阳电池的SSTM并采用差分进化算法提取模型的未知参数.其次,为提高SVM的模型预测精度,采用粒子群优化(particle swarm optimization, PSO)算法对SVM的核参数和惩罚因子进行动态寻优,在确定输入/输出样本集并划分训练集和测试集的基础上,建立了基于粒子群优化支持向量机(PSO-SVM)的太阳电池温度精确预测热模型.最后,搭建实验平台,在实验操作过程中减弱空气湿度、太阳入射角和热迟滞效应等因素对太阳电池温度的耦合.通过实验对比表明,建立的预测热模型性能可靠、全面、简洁,其参数寻优算法优于遗传算法和交叉校验法,模型预测精度优于反向传播神经网络(back propagation neural network)和SSTM.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	苟向锋	兰州交通大学机电工程学院	50	254	9.0	13.0
2	赵志刚	兰州交通大学机电工程学院	49	269	9.0	14.0
3	张纯杰	兰州交通大学机电工程学院	7	31	4.0	5.0
4	桑虎堂	兰州交通大学机电工程学院	5	45	4.0	5.0