基于极限学习机和长短时记忆神经网络的光伏发电功率预测

发布时间：2024-03-04 03:59

　　太阳能光伏发电技术因其零污染、安全可靠和无噪声等优势已成为可再生能源技术领域的重点研究对象。采用人工神经网络来预测光伏发电系统输出功率的方法已被广泛应用。然而,由于存在参数设置繁琐、预测性能不稳定等缺陷,基于传统神经网络算法的光伏发电功率预测模型无法适用于不同的预测场合。为此,基于极限学习机、长短时记忆神经网络和辅助优化算法,本文设计了两种光伏发电功率预测模型,具体内容如下:为保证预测模型的稳定性和准确性,提出了一种基于极限学习机的日前光伏发电功率预测方案。在该预测方案中,为了提高训练样本的质量并减少训练模型所消耗的时间,设计了一种相似日分析方法。此外,利用遗传算法优化极限学习机的初始权值和阈值来提高该预测方案的性能。通过使用澳大利亚爱丽丝泉真实数据集对该方案在四个季节下预测结果的准确性进行了分析,结果表明真实值与对应的预测值之间具有良好的一致性。通过与其他预测方案的对比分析,进一步验证了该预测方案的精确性和稳定性。考虑到噪声数据对预测结果的影响,结合经验模式分解、正弦余弦算法和长短时记忆网络设计了一种光伏发电功率预测模型。借助基于经验模式分解的去噪方法对原始数据进行处理,避免了噪声数...

【文章页数】：55 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第1章 绪论
    1.1 研究背景与意义
    1.2 国内外研究现状
    1.3 研究内容与章节安排
第2章 光伏发电功率预测算法基础
    2.1 人工神经网络
        2.1.1 反向传播神经网络
        2.1.2 长短时记忆网络
        2.1.3 极限学习机
    2.2 神经网络的激活函数
    2.3 支持向量回归
    2.4 智能优化算法
        2.4.1 遗传算法
        2.4.2 正弦余弦算法
    2.5 经验模式分解
    2.6 本章小结
第3章 基于相似日分析方法和极限学习机的光伏发电功率预测模型
    3.1 相似日分析
    3.2 预测方案描述
    3.3 系统整体设计方案分析
    3.4 实例分析
        3.4.1 数据来源与预测框架说明
        3.4.2 季节性分析
        3.4.3 对比分析
    3.5 本章小结
第4章 基于正弦余弦算法和长短时记忆网络的光伏发电功率预测模型
    4.1 数据去噪处理
    4.2 长短时记忆网络的优化
    4.3 预测方案描述
    4.4 系统整体设计方案分析
    4.5 实例分析
        4.5.1 数据来源与分析
        4.5.2 参数设置分析
        4.5.3 季节性分析
        4.5.4 对比分析
    4.6 本章小结
第5章 结论与展望
    5.1 结论
    5.2 展望
致谢
参考文献
攻读学位期间的研究成果



本文编号：3918863