基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
对光伏电池重构模型的研究有利于实现光伏电池最大功率的预测和跟踪.当采用单一神经网络构建光伏电池的智能模型时,存在最大功率输出偏差较大的问题.为此首先考虑光伏电池最大功率受光照度影响较大的情况,将光照度进一步细分为低、中、高三类.按其类别分别对三个不同神经网络进行训练,将训练好的神经网络进行组合,即为光伏电池的重构模型.然后采用变惯性因子粒子群算法(VFPSO)优化模型的参数,使重构模型减小了最大功率输出的偏差,提高了最大功率预测和跟踪的精度.通过仿真对比,验证了上述方法的有效性和正确性.
推荐文章
改进神经网络的光伏逆变器参数自动优化控制研究
光伏逆变器
参数优化
神经网络
连接权值
控制精度
自动优化控制
基于模型辨识的BP神经网络在光伏系统MPPT中的应用
光伏电池
数学模型
参数辨识
最大功率点
神经网络
基于 BP 神经网络的光伏出力预测
BP神经网络
光伏发电
相关性分析
对比寻优
基于Elman神经网络模型的短期光伏发电功率预测
光伏发电
功率预测
相似日
Elman神经网络
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 多神经网络的光伏电池重构模型及智能优化
来源期刊 计算机仿真 学科 地球科学
关键词 光伏电池 智能建模 多神经网络 改进粒子群算法 参数优化
年,卷(期) 2016,(7) 所属期刊栏目 仿真智能化
研究方向 页码范围 373-377
页数 5页 分类号 N945.12
字数 2956字 语种 中文
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 徐凯 重庆交通大学信息科学与工程学院 37 227 9.0 13.0
2 王湘萍 重庆交通大学机电与车辆工程学院 3 12 2.0 3.0
3 刘善超 重庆交通大学机电与车辆工程学院 1 2 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (41)
共引文献  (44)
参考文献  (8)
节点文献
引证文献  (2)
同被引文献  (0)
二级引证文献  (0)
1995(2)
  • 参考文献(0)
  • 二级参考文献(2)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(2)
  • 参考文献(0)
  • 二级参考文献(2)
2004(3)
  • 参考文献(0)
  • 二级参考文献(3)
2005(6)
  • 参考文献(0)
  • 二级参考文献(6)
2006(4)
  • 参考文献(0)
  • 二级参考文献(4)
2007(2)
  • 参考文献(0)
  • 二级参考文献(2)
2008(1)
  • 参考文献(0)
  • 二级参考文献(1)
2009(4)
  • 参考文献(1)
  • 二级参考文献(3)
2010(2)
  • 参考文献(1)
  • 二级参考文献(1)
2011(10)
  • 参考文献(2)
  • 二级参考文献(8)
2012(6)
  • 参考文献(1)
  • 二级参考文献(5)
2013(2)
  • 参考文献(0)
  • 二级参考文献(2)
2014(3)
  • 参考文献(2)
  • 二级参考文献(1)
2015(1)
  • 参考文献(1)
  • 二级参考文献(0)
2016(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2016(1)
  • 引证文献(1)
  • 二级引证文献(0)
2019(1)
  • 引证文献(1)
  • 二级引证文献(0)
研究主题发展历程
节点文献
光伏电池
智能建模
多神经网络
改进粒子群算法
参数优化
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机仿真
月刊
1006-9348
11-3724/TP
大16开
北京海淀阜成路14号
82-773
1984
chi
出版文献量(篇)
20896
总下载数(次)
43
总被引数(次)
127174
论文1v1指导