基于Spiking神经网络的光伏系统发电功率预测

• 作者: CHEUNGKWOKW 卫志农 孙国强 孙永辉 李慧杰 陈通
• 来源期刊: 电力系统及其自动化学报
• 学科: 工学
• 关键词: 光伏系统 Spiking神经网络 SpikeProp算法 相似日选择算法 发电功率预测
• 年，卷（期）: 2017,（6）
• 所属期刊栏目: 学术论文
• 页码范围: 7-12,44
• 页数: 7页
• 分类号: TM615
• 字数: 5089字
• 语种: 中文
• DOI: 10.3969/j.issn.1003-8930.2017.06.002

摘要

为了提高光伏系统发电功率预测的精度,本文提出一种基于Spiking神经网络(SNN)的预测模型.该神经网络采用精确脉冲时间的编码方式,更接近真实的生物神经系统,具有强大的计算能力.考虑季节类型、天气类型和大气温度等主要影响因素,该模型采用灰色关联分析法选取相似日.本文应用实际光伏发电系统的数据分别对基于SNN、BP人工神经网络(BP-ANN)和支持向量机(SVM)的预测模型进行测试和评估.预测结果表明:SNN预测模型相比于BP-ANN和SVM模型有较高的预测精度和较强的适用性,可以为光伏系统发电功率预测提供一种可行方法.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	卫志农	河海大学能源与电气学院	239	4926	37.0	61.0
2	孙国强	河海大学能源与电气学院	167	3205	29.0	51.0
3	孙永辉	河海大学能源与电气学院	84	1459	18.0	36.0
4	李慧杰		18	518	12.0	18.0
5	陈通	河海大学能源与电气学院	6	64	3.0	6.0