基于BP神经网络的双模型光伏发电量预测

• 作者: 仇志鑫 刘如慧 周玲玲 姜军 王剑峰 问虎龙
• 来源期刊: 天津理工大学学报
• 学科: 工学
• 关键词: 光伏发电 天气变量 双模型 预测精度 神经网络
• 年，卷（期）: 2020,（1）
• 页码范围: 25-30
• 页数: 6页
• 分类号: TM912
• 字数: 4318字
• 语种: 中文
• DOI: 10.3969/j.issn.1673-095X.2020.01.005

摘要

光伏系统的发电量受到太阳辐照强度、温度、湿度和压强等多种天气变量的影响,变化复杂,具有间歇性和波动性.传统预测模型中需要以天气预报数据作为输入,但其与实际的天气变量存在一定偏差,这给预测结果带来了不可避免的误差.为了进一步提高预测精度,本文提出了天气变量预测数据到天气变量实际数据和天气变量实际数据到光伏系统发电量的双模型预测系统,并对训练好的模型进行了测试和分析,预测结果表明,此模型能够达到较高的预测精度,具有一定的可行性和有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	刘如慧		1	0	0.0	0.0
2	姜军		1	0	0.0	0.0
3	王剑峰		1	0	0.0	0.0
4	周玲玲		3	153	2.0	3.0
5	问虎龙		1	0	0.0	0.0
6	仇志鑫		1	0	0.0	0.0