基于PCA-LMBP神经网络的北京地区直散分离预测

• 作者: 刘迪 李芬 胡超 闫全全 陈正洪 马年骏
• 来源期刊: 水电能源科学
• 学科: 工学
• 关键词: 直散分离 太阳辐射 主成分分析(PCA) LMBP神经网络
• 年，卷（期）: 2017,（4）
• 所属期刊栏目: 能源
• 页码范围: 208-212
• 页数: 5页
• 分类号: TK519
• 语种: 中文

摘要

为确定气象环境变化对散射比的影响程度,提出主成分分析(PCA)与LMBP神经网络相结合的光伏直散分离模型,利用北京地区5年逐日地面辐射资料,通过相关系数矩阵,选出清晰度指数、日照百分率、PM2.5、总云量和气温日较差作为突出气象影响因子,采用PCA法对多维影响因子作预处理,根据贡献率选出3个主成分,将其作为LMBP神经网络的输入参数,进而通过误差分析方法分别对MLR模型、PCA-MLR模型、PCA-BP模型和PCA-LMBP模型进行评估.结果表明,PCA-MLR模型和PCA-LMBP模型的散射比预测值与实测值更吻合,其中基于PCA-LMBP神经网络的直散分离模型预测精度最高、泛化性能最好,具有一定的实际应用价值.