电网技术

2011, v.35;No.335(10) 159-164

[打印本页] [关闭]
本期目录(Current Issue) | 过刊浏览(Past Issue) | 高级检索(Advanced Search)

基于改进小波神经网络的光伏发电系统非线性模型辨识
Modified Wavelet Neural Network Based Nonlinear Model Identification for Photovoltaic Generation System

郑凌蔚;刘士荣;谢小高;

摘要(Abstract):

将光伏发电系统看成基于气象参数的非线性黑箱模型,用非线性自回归外推模型对不同天气条件下的光伏发电系统进行辨识。采用了对系统维数不敏感的基于方差分析展开的改进小波神经网络对系统进行非线性自回归外推模型辨识,辨识数据和验证数据均取自实际光伏发电系统。实例研究结果表明:与Sigmoid网络函数法、树分割法及基本小波神经网络法相比,基于改进小波神经网络的非线性自回归外推模型能更好地反应各种不同天气条件下光伏发电系统的动态行为;天气波动的剧烈程度对辨识效果影响较大。

关键词(KeyWords): 光伏发电系统;非线性自回归外推;模型辨识;改进小波神经网络;方差分析

Abstract:

Keywords:

基金项目(Foundation): 国家自然科学基金项目(51007015);; 浙江省重大科技专项(2009C11G2040039)~~

作者(Author): 郑凌蔚;刘士荣;谢小高;

Email:

DOI: 10.13335/j.1000-3673.pst.2011.10.035

参考文献(References):

扩展功能
本文信息
服务与反馈
本文关键词相关文章
本文作者相关文章
中国知网
分享