基于支持向量回归的PV/T组件温度实时预测

• 作者: 周兴操 宋春宁 李畸勇 汤允凤 胡恒 谢玲玲 陈敏
• 来源期刊: 可再生能源
• 学科: 工学
• 关键词: PV/T 温度预测 归一化 支持向量回归 网格搜索 交叉验证
• 年，卷（期）: 2020,（8）
• 页码范围: 1040-1046
• 页数: 7页
• 分类号: TK519|TM914.4|TP301.6
• 字数: 6005字
• 语种: 中文

摘要

在光伏光热系统中,光伏板的发电效率与PV/T组件温度密切相关.实时、精确地预测PV/T组件温度,对优化控制决策、提高光伏板发电效率具有重要意义.文章利用支持向量回归(SVR)算法建立PV/T组件温度预测模型.为了提高该模型预测结果的精确度,采用网格搜索与交叉验证相结合的方法对SVR核函数参数g和惩罚因子c进行寻优;然后,结合实验平台的测量数据,划分训练集和预测集,并对原始数据进行归一化处理;最后,文章将基于SVR算法温度预测模型的预测结果与BP神经网络的预测结果进行对比.分析结果表明:基于SVR算法温度预测模型的预测值与实测值基本一致,该模型的预测精度和泛化性能均优于BP神经网络的预测结果.