深度置信网络光伏发电短时功率预测研究

• 作者: 吴坚 薛家祥 郑照红
• 来源期刊: 中国测试
• 关键词: 光伏发电 短期功率预测 深度置信网络 仿真验证
• 年，卷（期）: 2018,（5）
• 所属期刊栏目: 测试理论
• 页码范围: 6-11
• 页数: 6页
• 字数: 3628字
• 语种: 中文
• DOI: 10.11857/j.issn.1674-5124.2018.05.002

摘要

针对现有光伏功率预测技术存在提取特征不充分导致预测精度低的问题,提出一种基于深度置信网络的光伏发电短时功率预测方法.根据光伏发电系统的运行特征和深度置信网络的特点,阐述该预测方法的可行性和科学性.搭建功率预测模型,通过无监督学习过程逐层提取输入序列的内在特征;模型顶层采用BP神经网络对特征矩阵和偏移量进行有监督训练,经过误差微调后输出预测结果.综合考虑可能对光伏发电功率产生影响的多种因素(如辐射强度、温度等),并将上述因素做归一化处理后作为模型的初始输入量,在Matlab上对预测模型进行仿真验证.最后将该预测模型与常用的BP神经网络方法进行比较,结果显示所提模型性能优于BP神经网络,证明该模型具有较好的预测准确度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	薛家祥	华南理工大学机械与汽车工程学院	228	1947	24.0	34.0
2	吴坚	华南理工大学机械与汽车工程学院	14	46	4.0	5.0
3	郑照红	华南理工大学机械与汽车工程学院	6	19	3.0	4.0