一种新的光伏发电预测模型设计

提出一种新的基于结合PSO(Particle Swarm Optimization)和BP(Back Propagation)神经网络的优化算法,按季节、日类型划分12个子网络组成的预测模型,并以影响发电量的关键因素太阳辐射强度、气温、历史发电量作为输入变量,预测光伏电站日发电量。预测结果显示:该预测模型能保证在日类型等条件发生转变时模型的持续有效性,预测误差均小于20%,预测精度能满足电网公司要求。

人工神经网络在货运预测系统中的应用

物流行业中的货运影响因素具有不确定性和时变性,为了提高货物运输系统的预测精度,可用智能预测方法对物流数据进行分析与处理。文中运用Matlab工具箱实现模型的相关算法,对货运系统历史数据进行拟合,得到输入输出数据之间的映射关系,从而进行输出预测。文章将多种模型的预测结果进行了对比,最终选择了人工神经网络的预测模型。