基于蚁群算法改进的RBF‑BP神经网络的光伏发电输出功率追踪算法制造技术
【技术实现步骤摘要】
：本专利技术涉及一种光伏发电输出功率的追踪算法，尤其涉及一种基于蚁群算法改进的RBF-BP神经网络的光伏发电输出功率追踪算法。
技术介绍
：光伏发电受环境因素影响较大，特别是太阳辐射强度、环境温度等，因为其输出功率具有不确定性。其并入大电网后使得大电网的整体负荷预测准确性降低，也必然引起整个系统的电压、频率的波动，增加了传统发电，控制和运行计划的难度，不利于整个电网系统的调度。
技术实现思路
:为了克服RBF泛化能力差和BP神经网络训练结果容易受到不正确训练样本集的错误引导的缺陷，本专利技术提出了一种基于蚁群算法改进的RBF-BP神经网络的光伏发电输出功率追踪算法。本专利技术提出的基于蚁群算法改进的RBF-BP神经网络的光伏发电输出功率追踪算法是通过建立一个RBF-BP神经网络，运用最大最小蚁群算法优化改进RBF-BP神经网络训练前的权值和阈值，网络训练后对光伏发电输出功率进行预测。所述的基于蚁群算法改进的RBF-BP神经网络的光伏发电输出功率预测方法，其特征在于包括如下步骤：(1)根据光伏发电输出特性，选取日常天气状况下统计并采集一天之中各个时段影响光伏发电电池板发电的因素，本专利技术中侧重于光伏电池板工作温度和光伏发电设备工作时的光照强度和光伏发电输出功率作为RBF-BP神经网络训练的输入输出。另选取同等条件下各个时段的样本数据作为RBF-BP神经网络的测试数据。(2)建立RBF-BP神经网络用于训练归一化后的样本数据。本专利技术提出建立的RBF-BP组合神经网络是结合了RBF神经网络收敛速度快、群分类性能好和BP神经网络自学习、自适应能力强等优点建立的...
【技术保护点】
一种基于蚁群算法优化RBF‑BP神经网络用于预测光伏阵列最大功率，其特征在于结合了BP神经网络和RBF神经网络的优点，并用最大最小蚁群算法优化组合神经网络权值阈值，优化后的神经网络用于预测光伏阵列最大功率点。
【技术特征摘要】
1.一种基于蚁群算法优化RBF-BP神经网络用于预测光伏阵列最大功率，其特征在于结合了BP神经网络和RBF...
【专利技术属性】
技术研发人员：朱正伟，刘晨，周谢益，张南，宋文浩，黄晓竹，刁晓敏，郭晓，
申请(专利权)人：常州大学，
类型：发明
国别省市：江苏;32
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。