基于改进CNN的光热电场太阳直接法向辐射预测研究

• 作者: 杨德州 李锦键 吕金历 杨维满 王兴贵
• 来源期刊: 可再生能源
• 学科: 工学
• 关键词: 光热发电 太阳直接法向辐射 卷积神经网络 稀疏约束 自适应学习率
• 年，卷（期）: 2021,（2）
• 页码范围: 182-188
• 页数: 7页
• 分类号: TK519
• 语种: 中文

摘要

为了在实际运行中更好地利用光热电站,文章建立了一种基于改进卷积神经网络的光热电场太阳直接法向辐射的预测模型.首先,通过分析光热发电系统的运行机理,得到影响光热发电系统出力的主要因素是太阳直接法向辐射,并根据太阳直接法向辐射特点选用卷积神经网络对其进行预测;然后,针对卷积神经网络在实际应用过程中存在的预测精度较低和训练时间较长的问题,引入带有稀疏约束的损失函数和自适应学习率思想,并提出一种改进卷积神经网络;最后,利用改进卷积神经网络建立了光热电场太阳直接法向辐射的预测模型.模拟结果表明:文章提出的改进卷积神经网络能够解决一般卷积神经网络在实际应用中存在的预测精度较低和训练速度较慢的问题;基于改进卷积神经网络的预测模型可以较准确地预测出太阳直接法向辐射的变化趋势及其数值.