基于PCA-Elman神经网络的短期PV/T组件温度预测

• 作者: 李宜生 李畸勇 汤允凤 肖晶 赵振东
• 来源期刊: 可再生能源
• 学科: 工学
• 关键词: PV/T 主成分 温度预测 Elman神经网络 泛化性能
• 年，卷（期）: 2017,（12）
• 页码范围: 1779-1785
• 页数: 7页
• 分类号: TK519
• 字数: 4555字
• 语种: 中文
• DOI: 10.3969/j.issn.1671-5292.2017.12.007

摘要

为了进一步提高光伏/光热一体化(PV/T)系统中PV/T组件温度的预测精度,使得PV/T系统能够根据PV/T组件温度的波动情况提前准确地做出控制决策,以优化控制效果,文章在分析PV/T组件温度与气象因素的相关性以及相邻时间序列温度自相关性的基础上,采用主成分分析法对原始输入样本数据进行预处理,并提取该样本数据的主成分,然后结合反馈型Elman神经网络理论,建立动态预测模型.研究结果表明,相对于未提取主成分的神经网络模型,提取主成分的神经网络模型的预测精度更高,泛化性能更强.