基于混合神经网络的光伏组件输出特性数据驱动建模方法
针对传统物理机理建模方法不适用于复杂光照条件下光伏组件建模的问题,提出一种基于混合结构神经网络的光伏组件输出特性数据驱动建模方法。在深入分析光伏组件物理机理及输出特性的基础上,提出利用卷积神经网络和径向基函数神经网络对不均匀光照条件、温度、湿度等环境因素进行特征提取,并对光伏组件的输出特性进行仿真拟合。为提高模型的拟合效果,提出针对不均匀光照条件的阴影形态等效分析方法,同时采用改进型的遗传编码方案对网络参数进行优化,最后利用实际运行数据对模型效果进行分析验证。结果表明,该模型对不均匀光照条件具有一定的泛化跟踪能力,同时仿真结果平均误差保持在7%以内。...
Main Authors: | 张国宾, 王新迎 |
---|---|
Format: | Article |
Language: | zho |
Published: |
POSTS&TELECOM PRESS Co., LTD
2020-06-01
|
Series: | 智能科学与技术学报 |
Subjects: | |
Online Access: | http://www.infocomm-journal.com/znkx/CN/abstract/abstract170395.shtml |
Similar Items
-
一种基于残差网络的改进网络流量分类算法
by: 陆煜斌, et al.
Published: (2021-01-01) -
一种考虑时空关联的深度学习短时交通流预测方法
by: 张阳, et al.
Published: (2021-06-01) -
基于改进EfficientNet的乳腺肿瘤诊断
by: 方祯祺, 李雪, 莫红
Published: (2023-12-01) -
YOLO network-based drogue recognition method for autonomous aerial refueling
by: SHEN Jiahe, et al.
Published: (2022-08-01) -
A recognition method of Ancient Yi character based on deep learning(一种基于深度学习的古彝文识别方法)
by: CHENShanxiong(陈善雄), et al.
Published: (2019-05-01)