基于多元分析的优化模糊神经网络太阳能辐射量短期预测

• 作者: 张家军 张新燕 杨琪 高亮 高敏
• 来源期刊: 水力发电
• 学科: 工学
• 关键词: 太阳辐射量 短期预测 主成分分析 模糊神经网络 数据采集装置
• 年，卷（期）: 2019,（7）
• 所属期刊栏目: 新能源发电
• 页码范围: 111-114,119
• 页数: 5页
• 分类号: TK511
• 字数: 2463字
• 语种: 中文
• DOI: 10.3969/j.issn.0559-9342.2019.07.024

摘要

为准确预测太阳能辐射量,提出一种基于多元分析的优化模糊神经网络预测辐射量的方法.首先结合曲线拟合和拉依达准则对数据做粗大误差的剔除,然后运用主成分分析法提取影响太阳能辐射量的主要因素,最后结合定性分析和定量分析建立优化的模糊神经网络预测模型,并设计数据采集装置采集短期气象数据,以提高预测的实时性和准确性.通过与不同的预测模型对比,验证本文所提算法和模型的正确性,结果表明该模型有效提高了短期太阳能数据预测的精准度.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张新燕	新疆大学电气工程学院	161	1140	18.0	26.0
2	张家军	新疆大学电气工程学院	11	6	1.0	2.0
3	高亮	新疆大学电气工程学院	11	7	1.0	2.0
4	杨琪	新疆大学电气工程学院	3	2	1.0	1.0