基于Spiking神经网络的光伏系统发电功率预测

为了提高光伏系统发电功率预测的精度,本文提出一种基于Spiking神经网络(SNN)的预测模型。该神经网络采用精确脉冲时间的编码方式,更接近真实的生物神经系统,具有强大的计算能力。考虑季节类型、天气类型和大气温度等主要影响因素,该模型采用灰色关联分析法选取相似日。本文应用实际光伏发电系统的数据分别对基于SNN、BP人工神经网络(BP-ANN)和支持向量机(SVM)的预测模型进行测试和评估。预测结果表明:SNN预测模型相比于BP-ANN和SVM模型有较高的预测精度和较强的适用性,可以为光伏系统发电功率预测提供一种可行方法。

基于Spiking神经网络的光伏发电系统功率预测

针对光伏发电系统输出功率的随机性,提出了一种基于Spiking神经网络的光伏发电功率预测模型,它采用精确脉冲时间的编码方式,能接近真实的生物神经系统,并具有强大的计算能力。考虑天气类型、太阳辐照强度、环境温度等主要影响因素,采用近似欧式距离选取相似日的方法,应用实际光伏发电系统的历史发电数据和气象数据对Spiking神经网络、BP神经网络和支持向量机三种预测模型进行测试和评估。预测结果与实测值的比较表明:Spiking神经网络模型相比于BP神经网络和支持向量机模型具有较高的预测精度和较强的适用性,可作为解决光伏发电系统功率预测可行方法之一。