基于双层BP神经网络的光伏电站输出功率预测

光伏电站输出功率对电网调度有很大影响,但受到太阳辐射强度和气象因素的影响,光伏电站输出功率具有随机性和不可控性。为合理利用光伏发电系统,建立一种基于气象预测信息以及BP神经网络的光伏电站输出功率预测模型。通过相关性分析确定影响光伏出力的影响因子,结合历史数据和气象因素进行模型训练和功率预测。文中主要提出一种新的预测模型-双层BP神经网络模型,通过对某光伏电站预测结果与实测值对比,结果表明该方法能有效提高光伏电站输出功率预测精度,对发电计划的制定有较好的参考价值和实用价值。

双层BP人工神经网络连接权值的性质

从理论上分析和探讨具有Ｓ型连结函数的双层ＢＰ网络连接权值和阈值的性质，并进行实例验证，本文有助于神经网络内部行为的研究。

人工神经网络在注塑参数预测中的应用

应用人工神经网络技术建立了注塑工艺参数值快速预测的双层BP网络模型。利用CAE软件进行模拟 ,获取训练样本。用Matlab语言编制了应用程序 ,对网络的训练及参数预测的过程进行求解。将网络预测结果与模拟所得验证数据进行比较和误差分析 ,显示出BP网络的稳定性和可靠性。经实例验证 。