光伏电池温度变化影响光伏系统输出的稳定性,精准地预测光伏电池板温度的变化趋势,对光伏系统智能运行具有重要意义.为了更好地预测温度的变化趋势,本文考虑了光伏电池板温度的迟滞效应,将先前的温度输出作为延迟项引入回声状态网中,提...光伏电池温度变化影响光伏系统输出的稳定性,精准地预测光伏电池板温度的变化趋势,对光伏系统智能运行具有重要意义.为了更好地预测温度的变化趋势,本文考虑了光伏电池板温度的迟滞效应,将先前的温度输出作为延迟项引入回声状态网中,提出了一种基于延迟回声状态网的光伏电池板温度预测模型.给出一个延迟回声状态网具有回声状态特性的判定条件,使得预测模型能够稳定地预测光伏电池板温度.同时,建立了一套光伏多传感器监测系统,利用该监测系统采集的数据,训练和验证模型的准确性.与回声状态网(Echo state network,ESN),Leaky ESN(Leaky-integrator ESN)和VML ESN(ESN with variable memory length)相比,仿真结果表明,本文所提出的延迟回声状态网具有更好的预测性能,平均绝对百分比误差甚至达到3.45%.展开更多
文摘光伏电池温度变化影响光伏系统输出的稳定性,精准地预测光伏电池板温度的变化趋势,对光伏系统智能运行具有重要意义.为了更好地预测温度的变化趋势,本文考虑了光伏电池板温度的迟滞效应,将先前的温度输出作为延迟项引入回声状态网中,提出了一种基于延迟回声状态网的光伏电池板温度预测模型.给出一个延迟回声状态网具有回声状态特性的判定条件,使得预测模型能够稳定地预测光伏电池板温度.同时,建立了一套光伏多传感器监测系统,利用该监测系统采集的数据,训练和验证模型的准确性.与回声状态网(Echo state network,ESN),Leaky ESN(Leaky-integrator ESN)和VML ESN(ESN with variable memory length)相比,仿真结果表明,本文所提出的延迟回声状态网具有更好的预测性能,平均绝对百分比误差甚至达到3.45%.
