【技术实现步骤摘要】
本专利技术涉及光伏发电，特别是涉及光伏跟踪。
技术介绍
1、太阳能光伏发电是解决目前日益严重的能源与环境问题的一种有效途径。光伏跟踪技术是提高光伏系统效率的主要方式之一。传统平单轴跟踪系统可以准确跟踪太阳的位置，但未能结合云层遮挡下直散射辐照占比与空间分布等信息，仍存在散射辐照跟踪不准确、跟踪效率受到限制等问题。
2、现有技术一种方案中，考虑不同天气类型差异，利用支持向量机(svm)对辐照与云图数据集进行低、高辐照变化度类型的两分类，分别在两类数据集上训练基于神经网络的点预测模型，后结合bootstrap方法获得区间预测，与持续性区间预测模型对比，所提出模型的性能有了很大提升。还有一种技术方案是基于一年的辐照与云图历史数据，建立单样本由辐照值、rgb特征值构成的数据集，并利用k最近邻(knn)方法在所得到的数据集中检索出所需的2个辐照度预测区间端点值。
3、现有技术另一种方案中，结合改进的混沌蝗虫算法与最优变分模态分解算法，优化基于非参数核密度估计的逐小时辐照区间预测模型，相比优化前区间预测的宽度更小，预测可靠性...
【技术保护点】
1.一种面向光伏系统的太阳辐照区间预测方法，其特征在于：所述方法包括：
2.根据权利要求1所述的面向光伏系统的太阳辐照区间预测方法，其特征在于：所述云图输入特征测试集中包括的云图输入特征包括云图纹理能量、G通道标准偏差、R与B通道均值差、R通道均值。
3.根据权利要求1所述的面向光伏系统的太阳辐照区间预测方法，其特征在于：还包括：评估所述极限学习机网络预测模型的偏差和评估所述云图输入特征测试集的数据噪声偏差；其中，所述数据噪声偏差包括期望噪声方差和偏差方差。
4.根据权利要求1或3所述的面向光伏系统的太阳辐照区间预测方法，其特征在于...
【技术特征摘要】
1.一种面向光伏系统的太阳辐照区间预测方法，其特征在于：所述方法包括：
2.根据权利要求1所述的面向光伏系统的太阳辐照区间预测方法，其特征在于：所述云图输入特征测试集中包括的云图输入特征包括云图纹理能量、g通道标准偏差、r与b通道均值差、r通道均值。
3.根据权利要求1所述的面向光伏系统的太阳辐照区间预测方法，其特征在于：还包括：评估所述极限学习机网络预测模型的偏差和评估所述云图输入特征测试集的数据噪声偏差；其中，所述数据噪声偏差包括期望噪声方差和偏差方差。
4.根据权利要求1或3所述的面向光伏系统的太阳辐照区间预测方法，其特征在于：所述网络参数最优化的综合目标函数为：
5.根据权利要求4所述的面向光伏系统的太阳辐照区间预测方法，其特征在于：所述获取所述网络参数最优化的综合目标函数的最优解的过程包括：
6.根据权利要求5所述的面向光伏系统的太...
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。