您的位置:网站首页 > 《中文科技期刊数据库》 > 人文社科 > 财经 > 工业经济 > 摘要

基于深度信念网络的光伏电站短期发电量预测

《电力系统保护与控制》2019年 第18期 | 赵亮 刘友波 余莉娜 刘俊勇   四川大学电气信息学院 四川成都610065 中国三峡新能源有限公司西南分公司 四川成都610041
导出参考文献 ★ 收藏 | 分享
  • 第1页
  • 第2页
  • 第3页
  • 第4页
论文服务:
摘 要:为了解决现有光伏电站短期发电量预测方法存在的预测模型复杂、预测误差较大、泛化能力较低的问题,提出一种基于深度信念网络的短期发电量预测方法。首先综合考虑影响光伏出力的环境因素和光伏板的运行参数以及光伏电站历史发电量数据,对深度信念网络进行训练和学习。在此基础上,采用重构误差的方法确定深度信念网络隐含层层数。最后针对某光伏电站短期发电量进行预测算例分析,验证了该预测模型能主动选择样本抽象特征、自动确定隐含层层数,对短期发电量预测精度较高。对比前馈反向传播(Back Propagation,BP)神经网络预测模型与长短期记忆网络(Long/Short Term Memory,LSTM)预测模型,结果表明所提方法运算量低、预测精度高,且增加神经网络的深度比改进神经网络神经元对预测效果更有效。
【分 类】【经济】 > 工业经济 > 中国工业经济
【关键词】 光伏发电 短期发电量预测 神经网络 深度信念网络 重构误差
【出 处】 《电力系统保护与控制》2019年 第18期 11-19页 共9页
【收 录】 中文科技期刊数据库

尊敬的读者:

在全国人民勠力同心抗击新型冠状病毒感染的肺炎疫情之际,为了给广大人民群众的教育、工作和生活提供便利,维普网(www.cqvip.com)在疫情防控期间免费向读者开放学术论文的下载权限。