光伏发电功率预测
光伏发电功率预测[20191213104917]
摘 要
光伏发电是利用半导体界面的光生伏特效应将光能直接转变为电能的一种技术。通常说的太阳能发电指的就是太阳能光伏发电。随着常规能源的有限性以及环境问题的日益突出，以环保和可再生为特质的新能源越来越得到各国的重视。以新技术和新材料为基础，使传统的可再生能源得到现代化的开发和利用，用取之不尽、周而复始的可再生能源取代资源有限对环境有污染的化石能源，重点开发太阳能、风能、生物质能、潮汐能等清洁、无污染且廉价的可再生能源是目前很多国家在研究的项目。太阳能清洁环保，无任何污染，利用价值高，其种种优点决定了其在能源更替中的不可取代的地位。
人工神经网络（ANNs）是一种模范动物神经网络行为特征，进行分布式并行信息处理的算法数学模型。网络依靠系统复杂程度，通过调整内部大量节点之间相互连接关系，来达到处理信息的目的。常见有BP和RBF等网络模型。BP网络是基于BP误差反向传播算法多层前馈神经网络。采用Sigmoid 型传递函数。径向基函数网络也是一种前馈网络。网络的学习速度和收敛较快但是所需训练样本要多一些。采用高斯型传递函数。
本文从影响光伏电站发电功率因素着手，着重介绍采用BP和RBF两种神经网络在MATLAB中对光伏历史数据分别进行建模，训练出预测网络，并结合两种神经网络的特点将预测结果进行对比分析来达到提高预测精度的目的，最终为光伏电站合理地调度各部门提供合理的依据，将资源利用最大化。
查看完整论文请+Q: 351916072
关键字:光伏发电；人工神经网络；MATLAB；BP；RBF
目 录
摘要 I
ABSTRACT II
第1章 绪 论 1
1.1 课题研究背景 1
1.1.1 太阳能发电的优点 2
1.1.2 光伏发电的现状及发展趋势及问题 3
1.2 本文的研究意义及创新点 3
1.3 本文的研究内容及章节安排 4
第2章 分析光伏电站输出功率的影响因素 5
2.1 光照强度对光伏系统发电功率的影响 5
2.2 温度对光伏系统发电功率的影响 6
图2.3 日平均温度 6
2.3 云量对光伏系统发电功率的影响 7
2.4 光伏发电功率历史数据对光伏系统发电功率的预测存在相关性 8
2.5 本章小结 8
第3章 BP神经网络建立预测模型 9
3.1 人工神经网络 9
3.1.1 人工神经网络简介 9
3.1.2 人工神经网络模型 10
3.2 BP神经网络 10
3.2.1 BP神经网络的起源 10
3.2.2 BP神经网络算法原理和流程图 10
3.2.3 BP算法的公式推导 11
3.2.4 BP神经网络中的一些基本概念 14
3.2.5 BP神经网络特点 15
3.2.6 BP神经网络主要应用 15
3.2.7 BP神经网络的设计 15
3.3 BP神经网络MATLAB中的实现 16
3.3.1 MATLAB中文简介 16
3.3.2 BP神经网络matlab实现的基本步骤 17
3.4 BP神经网络预测光伏发电功率 18
3.4.1 程序设计方案 18
3.5 BP神经网络应用中注意问题 23
3.5.1 BP算法的学习速度很慢 23
3.5.2 网络训练失败的可能性较大 23
3.5.3 如何提高BP网络的训练精度 24
3.6 本章小结 24
第4章 RBF神经网络建立预测模型 25
4.1 RBF神经网络 25
4.1.1 什么是RBF神经网络 25
4.1.2 为什么引入RBF神经网络 25
4.1.3 RBF神经元模型和算法原理 25
4.1.4 RBF神经网络结构 26
4.1.5 RBF神经网络特点 28
4.1.6 RBF神经网络主要应用 28
4.1.7 RBF神经网络的设计 28
4.2 RBF神经网络MATLAB中的实现 29
4.2.1 RBF神经网络Matlab实现的基本步骤 29
4.3 RBF神经网络预测光伏发电功率 30
4.3.1 程序设计方案 30
4.4 本章小结 34
第5章 BP神经网络和RBF神经网络的比较 35
5.1 BP和RBF网络优缺点 35
5.1.1 BP网络的优点 35
5.1.2 BP网络缺点 35
5.1.3 RBF网络的优点 37
5.1.4 RBF网络的缺点 37
5.4 BP和RBF网络预测结果对比 38
5.4.1 BP和RBF网络预测结果误差对比 38
5.4.2 BP和RBF网络预测结果其他对比 40
5.5 本章小结 43
第6章 总结与展望 44
6.1 总结 44
6.2 展望 44
参考文献 46
致 谢 47
翻 译 49
第1章 绪 论
1.1 课题研究背景
能源是我们人类赖以生存的物质基础，在人类发展进程中起着不可估量的作用。农业社会时期，人类主要利用太阳能、水能、生物质能、风能等可再生的能源。从工业革命期，木柴逐步被煤炭所取代，大约半个世纪之后，煤已经成为全球的主要一次能源。进入20世纪后，人类开始大规模地开采和利用天然气和石油，20世纪成了化石能源的世纪。如今，煤、石油和天然气已经占世界能源消耗总量的80％甚至更多。然而，化石能源的大量使用给人类的生存环境带来了严峻的考验。目前，由于人类大量地使用矿物能源，全球每天产生约一亿吨二氧化碳气体(俗称"温室效应气体")，给大气环境造成了严重的污染。人类文明的高度发展与生存环境的快速恶化已经形成了一对非常突出的矛盾。另一方面，化石能源是不可再生的，它终将耗竭。全球的人们已经意识到，人类必须逐步减少对化石能源的依赖，增加可再生能源和新能源的比重，逐步向建立可持续发展的能源体系过渡。所以，在环境保护和有限资源的要求下，人类要缓解能源问题带来的压力或者说根本上解决能源问题从而实现人类社会的可持续发展，只能依靠先进的科技大规模开发利用可再生洁净能源。
我国是世界上是最大的煤炭消费国也是少数几个能源结构以煤炭为主的国家之一，煤炭的使用对我国甚至全球的环境造成的污染非常严重。20世纪初，全国56％城市的环境污染颗粒物超过国家限制值，47个城市二氧化硫浓度超过国家标准；83％的城市出现过酸雨现象，总面积达国土面积的32％。2006年，全国二氧化硫废气排放量约2368万吨，工业粉尘排放量约638万吨，烟尘排放量约956万吨，从以上数据来看，当代煤炭等化石能源的使用造成的环境污染形势是不容乐观的。我国经济正处在一个快速发展的时期，对能源的需求量在未来的很长一段时间里依然庞大。某种程度上说，能源的发展状况对我国全面实现小康社会的宏伟目标将起到制约性的作用。由于我国能源工业面临着经济发展和环境保护的双重压力，用新能源改变能源结构已成为我国能源工业发展迫切需要。
1.1.1 太阳能发电的优点
太阳能是一种非常理想的可再生能源，在对太阳能的利用中，可以说太阳能光伏发电最具有发展潜力，光伏的开发利用是解决能源短缺、环境污染等问题的有效途径，太阳能是人类理想的替代能源。随着技术的发展以及光伏电池成本的下降，光伏发电必将在二十一世纪能够长远发展，最终在世界能源结构中担当重要角色。太阳能将成为人类社会的重要能源之一。
太阳能光伏发电技术是将太阳能转化为电能的技术，与其他发电方式相比，光伏发电的优点尤为突出：
1．资源无穷
地球表面接受的太阳能辐射能量是人类能源需求总量的1万倍。地表平均每平方米每年接收到的辐射可生产约1670kWh电能。国际能源相关部门统计的数据显示，如果全球5％的沙漠上安装太阳能光伏系统，就可满足全球的能源需求。
2．绿色能源
在开发利用太阳能时，不会消耗燃料，不会产生废渣、废水、废气，不会有噪音，也不会造成环境污染和公害，更不会影响生态的平衡。
3．没有地域局限性
太阳能在地球上可谓无处不在，所以可以因地开发利用。不会存在运输方面问题。对于交通落后的农村、海岛和边远地区等更具有利用价值。我国约 的地区可以将太阳能资源高效得转化为所需能源。
4．维护性好
光伏发电系统是模块化安装、静态运行、寿命长、几乎不需要维护。整个能源系统的具有较高的安全性和可靠性，从抗御和预防自然灾害的角度看，它具有显著的意义。
《可再生能源法》颁布之后，国家各种补贴和减免税政策为光伏市场的发展提供了良好的条件。光伏发电的应用领域也发生了很大的变化，逐渐由边远地区的能源补给向全社会的能源替代过渡。
1.1.2 光伏发电的现状及发展趋势及问题
我国是全球光伏发电安装量增长最快的国家。据统计，2011年，光伏发电安装量比前一年增长了约4倍，电池产量达到22GW，约占全球的63%. 截至2011年底，我国电池企业共有116家，总产能为37.6GW左右。其中，产能1GW以上的企业共15家，占总产能的52%,在100MW和1GW之间的企业共62家，占总产能的44%,剩余的39家产能都在100MW以内，仅占全国总产能的4%.技术、规模、成本的差异化竞争格局越来越清晰。国内前十家组件生产商的出货量已经占到电池总产量的62%.
我国太阳能光伏发电发展具有很大的潜力，在稳定的政策积极扶持下，到2030年光伏装机容量将达1亿千瓦，年发电量可达1310亿千瓦时，相当于少建30多个大型煤电厂的年发电量。国家未来三年将投资200亿元来补贴光伏业。我国太阳能光伏发电将会迎来新一轮的快速增长，而且将会吸引更多的战略投资者融入到光伏行业中来。
但在实际运用过程中也发现了一些问题的存在，比如说：光伏发电系统容易受光照强度、大气温度等因素的影响，其输出功率的变化具有一定的不确定性。而大规模的光伏电站并网运行则会影响电力系统的安全性稳定性和经济性，同时这也不利于电网调度部门合理地安排光伏发电和常规电源之间的协调运作。
1.2 本文的研究意义及创新点
光伏发电系统的输出功率具有一定的间歇性和波动性。在光伏发电功率预测中，需要考虑很多因素，如太阳光照强度、光伏阵列的安装角度、太阳入射的角度、转换效率、温度、气压以及其他的随机因素。对于固定的光伏系统来说，它其中一个明显的特征就是光伏系统发电功率的时间序列本身具有高度自相关性，因为在光伏系统的历史发电功率时间序列中，所有光伏发电输出功率历史数据来自于同一套发电系统，其数据自身就包含了光伏阵列的系统信息 ，解决了光伏阵列的安装位置、安装角度和光伏阵列的使用时间等因素对转换效率的影响。所以，采用历史发电功率数据训练预测网络模型，进而预测未来的光伏输出功率的预测方法，比光伏发电的间接预测法有更高的准确性。
采用人工神经网络对光伏系统的输出功率数据进行研究，预先获得电站的输出功率曲线，达到预测目的。人工神经网络（Artifical Neural Network）是一种由大量简单神经元广泛互联构成的计算结构，通过对大量样本数据的训练和学习，获取对数据的非线性映射特性，有较强的自组织、自适应和自学习的能力。神经网络中BP网络具有较强的非线性映射能力、自主适应能力、泛化能力但学习速率是固定的，因此网络的收敛速度慢，需要较长的训练时间。对于一些复杂问题，BP算法需要的训练时间可能很长，这主要是由于学习速率太小造成的。而RBF神经网络是种高效的前馈式网络，它具有其他前向网络所不具有的最佳逼近性能和全局最优特性，并且结构简单，训练速度快。所以对于同一光伏电站的历史数据，可以建立两种神经网络模型来对数据进行学习，通过最终泛化能力的比较来对未来发电功率给出合理的预测。从而协调电网调度部门统筹安排，把光伏发电系统不确定性对电力系统的影响降低，来提高系统稳定性和安全性。同时可以降低电力系统中常规电源的旋转备用容量和运行的成本。将其带来的效益最大化。
1.3 本文的研究内容及章节安排
采用人工神经网络研究光伏发电功率预测，分析太阳辐照 、大气温度 、云量等各种气象因素对光伏电站输出功率的影响，分别采用利用MATLAB中 BP神经网络和RBF神经网络建立光伏发电功率预测的网络模型，实现对光伏电站次日12 h输出功率的预测 。本文的章节安排如下：
第1章 绪论。综述光伏发电研究的背景、现状及本课题的意义。
第2章 分析光伏电站输出功率的影响因素。
第3章 引入BP神经网络，针对某光伏电站的历史数据利用MATLAB工具箱函数构建BP神经网络，根据显示结果通过调节训练参数来改进网络精度。
第4章 引入RBF神经网络，对于BP网络中同样的数据利用MATLAB工具箱函数进行RBF网络建模，调节训练参数来改进网络精度。
第5章 对比BP神经网络和RBF神经网络，并将两种模型下的的预测结果进行对比分析，做出结论。
摘 要
光伏发电是利用半导体界面的光生伏特效应将光能直接转变为电能的一种技术。通常说的太阳能发电指的就是太阳能光伏发电。随着常规能源的有限性以及环境问题的日益突出，以环保和可再生为特质的新能源越来越得到各国的重视。以新技术和新材料为基础，使传统的可再生能源得到现代化的开发和利用，用取之不尽、周而复始的可再生能源取代资源有限对环境有污染的化石能源，重点开发太阳能、风能、生物质能、潮汐能等清洁、无污染且廉价的可再生能源是目前很多国家在研究的项目。太阳能清洁环保，无任何污染，利用价值高，其种种优点决定了其在能源更替中的不可取代的地位。
人工神经网络（ANNs）是一种模范动物神经网络行为特征，进行分布式并行信息处理的算法数学模型。网络依靠系统复杂程度，通过调整内部大量节点之间相互连接关系，来达到处理信息的目的。常见有BP和RBF等网络模型。BP网络是基于BP误差反向传播算法多层前馈神经网络。采用Sigmoid 型传递函数。径向基函数网络也是一种前馈网络。网络的学习速度和收敛较快但是所需训练样本要多一些。采用高斯型传递函数。
本文从影响光伏电站发电功率因素着手，着重介绍采用BP和RBF两种神经网络在MATLAB中对光伏历史数据分别进行建模，训练出预测网络，并结合两种神经网络的特点将预测结果进行对比分析来达到提高预测精度的目的，最终为光伏电站合理地调度各部门提供合理的依据，将资源利用最大化。
查看完整论文请+Q: 351916072
关键字:光伏发电；人工神经网络；MATLAB；BP；RBF
目 录
摘要 I
ABSTRACT II
第1章 绪 论 1
1.1 课题研究背景 1
1.1.1 太阳能发电的优点 2
1.1.2 光伏发电的现状及发展趋势及问题 3
1.2 本文的研究意义及创新点 3
1.3 本文的研究内容及章节安排 4
第2章 分析光伏电站输出功率的影响因素 5
2.1 光照强度对光伏系统发电功率的影响 5
2.2 温度对光伏系统发电功率的影响 6
图2.3 日平均温度 6
2.3 云量对光伏系统发电功率的影响 7
2.4 光伏发电功率历史数据对光伏系统发电功率的预测存在相关性 8
2.5 本章小结 8
第3章 BP神经网络建立预测模型 9
3.1 人工神经网络 9
3.1.1 人工神经网络简介 9
3.1.2 人工神经网络模型 10
3.2 BP神经网络 10
3.2.1 BP神经网络的起源 10
3.2.2 BP神经网络算法原理和流程图 10
3.2.3 BP算法的公式推导 11
3.2.4 BP神经网络中的一些基本概念 14
3.2.5 BP神经网络特点 15
3.2.6 BP神经网络主要应用 15
3.2.7 BP神经网络的设计 15
3.3 BP神经网络MATLAB中的实现 16
3.3.1 MATLAB中文简介 16
3.3.2 BP神经网络matlab实现的基本步骤 17
3.4 BP神经网络预测光伏发电功率 18
3.4.1 程序设计方案 18
3.5 BP神经网络应用中注意问题 23
3.5.1 BP算法的学习速度很慢 23
3.5.2 网络训练失败的可能性较大 23
3.5.3 如何提高BP网络的训练精度 24
3.6 本章小结 24
第4章 RBF神经网络建立预测模型 25
4.1 RBF神经网络 25
4.1.1 什么是RBF神经网络 25
4.1.2 为什么引入RBF神经网络 25
4.1.3 RBF神经元模型和算法原理 25
4.1.4 RBF神经网络结构 26
4.1.5 RBF神经网络特点 28
4.1.6 RBF神经网络主要应用 28
4.1.7 RBF神经网络的设计 28
4.2 RBF神经网络MATLAB中的实现 29
4.2.1 RBF神经网络Matlab实现的基本步骤 29
4.3 RBF神经网络预测光伏发电功率 30
4.3.1 程序设计方案 30
4.4 本章小结 34
第5章 BP神经网络和RBF神经网络的比较 35
5.1 BP和RBF网络优缺点 35
5.1.1 BP网络的优点 35
5.1.2 BP网络缺点 35
5.1.3 RBF网络的优点 37
5.1.4 RBF网络的缺点 37
5.4 BP和RBF网络预测结果对比 38
5.4.1 BP和RBF网络预测结果误差对比 38
5.4.2 BP和RBF网络预测结果其他对比 40
5.5 本章小结 43
第6章 总结与展望 44
6.1 总结 44
6.2 展望 44
参考文献 46
致 谢 47
翻 译 49
第1章 绪 论
1.1 课题研究背景
能源是我们人类赖以生存的物质基础，在人类发展进程中起着不可估量的作用。农业社会时期，人类主要利用太阳能、水能、生物质能、风能等可再生的能源。从工业革命期，木柴逐步被煤炭所取代，大约半个世纪之后，煤已经成为全球的主要一次能源。进入20世纪后，人类开始大规模地开采和利用天然气和石油，20世纪成了化石能源的世纪。如今，煤、石油和天然气已经占世界能源消耗总量的80％甚至更多。然而，化石能源的大量使用给人类的生存环境带来了严峻的考验。目前，由于人类大量地使用矿物能源，全球每天产生约一亿吨二氧化碳气体(俗称"温室效应气体")，给大气环境造成了严重的污染。人类文明的高度发展与生存环境的快速恶化已经形成了一对非常突出的矛盾。另一方面，化石能源是不可再生的，它终将耗竭。全球的人们已经意识到，人类必须逐步减少对化石能源的依赖，增加可再生能源和新能源的比重，逐步向建立可持续发展的能源体系过渡。所以，在环境保护和有限资源的要求下，人类要缓解能源问题带来的压力或者说根本上解决能源问题从而实现人类社会的可持续发展，只能依靠先进的科技大规模开发利用可再生洁净能源。
我国是世界上是最大的煤炭消费国也是少数几个能源结构以煤炭为主的国家之一，煤炭的使用对我国甚至全球的环境造成的污染非常严重。20世纪初，全国56％城市的环境污染颗粒物超过国家限制值，47个城市二氧化硫浓度超过国家标准；83％的城市出现过酸雨现象，总面积达国土面积的32％。2006年，全国二氧化硫废气排放量约2368万吨，工业粉尘排放量约638万吨，烟尘排放量约956万吨，从以上数据来看，当代煤炭等化石能源的使用造成的环境污染形势是不容乐观的。我国经济正处在一个快速发展的时期，对能源的需求量在未来的很长一段时间里依然庞大。某种程度上说，能源的发展状况对我国全面实现小康社会的宏伟目标将起到制约性的作用。由于我国能源工业面临着经济发展和环境保护的双重压力，用新能源改变能源结构已成为我国能源工业发展迫切需要。
1.1.1 太阳能发电的优点
太阳能是一种非常理想的可再生能源，在对太阳能的利用中，可以说太阳能光伏发电最具有发展潜力，光伏的开发利用是解决能源短缺、环境污染等问题的有效途径，太阳能是人类理想的替代能源。随着技术的发展以及光伏电池成本的下降，光伏发电必将在二十一世纪能够长远发展，最终在世界能源结构中担当重要角色。太阳能将成为人类社会的重要能源之一。
太阳能光伏发电技术是将太阳能转化为电能的技术，与其他发电方式相比，光伏发电的优点尤为突出：
1．资源无穷
地球表面接受的太阳能辐射能量是人类能源需求总量的1万倍。地表平均每平方米每年接收到的辐射可生产约1670kWh电能。国际能源相关部门统计的数据显示，如果全球5％的沙漠上安装太阳能光伏系统，就可满足全球的能源需求。
2．绿色能源
在开发利用太阳能时，不会消耗燃料，不会产生废渣、废水、废气，不会有噪音，也不会造成环境污染和公害，更不会影响生态的平衡。
3．没有地域局限性
太阳能在地球上可谓无处不在，所以可以因地开发利用。不会存在运输方面问题。对于交通落后的农村、海岛和边远地区等更具有利用价值。我国约 的地区可以将太阳能资源高效得转化为所需能源。
4．维护性好
光伏发电系统是模块化安装、静态运行、寿命长、几乎不需要维护。整个能源系统的具有较高的安全性和可靠性，从抗御和预防自然灾害的角度看，它具有显著的意义。
《可再生能源法》颁布之后，国家各种补贴和减免税政策为光伏市场的发展提供了良好的条件。光伏发电的应用领域也发生了很大的变化，逐渐由边远地区的能源补给向全社会的能源替代过渡。
1.1.2 光伏发电的现状及发展趋势及问题
我国是全球光伏发电安装量增长最快的国家。据统计，2011年，光伏发电安装量比前一年增长了约4倍，电池产量达到22GW，约占全球的63%. 截至2011年底，我国电池企业共有116家，总产能为37.6GW左右。其中，产能1GW以上的企业共15家，占总产能的52%,在100MW和1GW之间的企业共62家，占总产能的44%,剩余的39家产能都在100MW以内，仅占全国总产能的4%.技术、规模、成本的差异化竞争格局越来越清晰。国内前十家组件生产商的出货量已经占到电池总产量的62%.
我国太阳能光伏发电发展具有很大的潜力，在稳定的政策积极扶持下，到2030年光伏装机容量将达1亿千瓦，年发电量可达1310亿千瓦时，相当于少建30多个大型煤电厂的年发电量。国家未来三年将投资200亿元来补贴光伏业。我国太阳能光伏发电将会迎来新一轮的快速增长，而且将会吸引更多的战略投资者融入到光伏行业中来。
但在实际运用过程中也发现了一些问题的存在，比如说：光伏发电系统容易受光照强度、大气温度等因素的影响，其输出功率的变化具有一定的不确定性。而大规模的光伏电站并网运行则会影响电力系统的安全性稳定性和经济性，同时这也不利于电网调度部门合理地安排光伏发电和常规电源之间的协调运作。
1.2 本文的研究意义及创新点
光伏发电系统的输出功率具有一定的间歇性和波动性。在光伏发电功率预测中，需要考虑很多因素，如太阳光照强度、光伏阵列的安装角度、太阳入射的角度、转换效率、温度、气压以及其他的随机因素。对于固定的光伏系统来说，它其中一个明显的特征就是光伏系统发电功率的时间序列本身具有高度自相关性，因为在光伏系统的历史发电功率时间序列中，所有光伏发电输出功率历史数据来自于同一套发电系统，其数据自身就包含了光伏阵列的系统信息 ，解决了光伏阵列的安装位置、安装角度和光伏阵列的使用时间等因素对转换效率的影响。所以，采用历史发电功率数据训练预测网络模型，进而预测未来的光伏输出功率的预测方法，比光伏发电的间接预测法有更高的准确性。
采用人工神经网络对光伏系统的输出功率数据进行研究，预先获得电站的输出功率曲线，达到预测目的。人工神经网络（Artifical Neural Network）是一种由大量简单神经元广泛互联构成的计算结构，通过对大量样本数据的训练和学习，获取对数据的非线性映射特性，有较强的自组织、自适应和自学习的能力。神经网络中BP网络具有较强的非线性映射能力、自主适应能力、泛化能力但学习速率是固定的，因此网络的收敛速度慢，需要较长的训练时间。对于一些复杂问题，BP算法需要的训练时间可能很长，这主要是由于学习速率太小造成的。而RBF神经网络是种高效的前馈式网络，它具有其他前向网络所不具有的最佳逼近性能和全局最优特性，并且结构简单，训练速度快。所以对于同一光伏电站的历史数据，可以建立两种神经网络模型来对数据进行学习，通过最终泛化能力的比较来对未来发电功率给出合理的预测。从而协调电网调度部门统筹安排，把光伏发电系统不确定性对电力系统的影响降低，来提高系统稳定性和安全性。同时可以降低电力系统中常规电源的旋转备用容量和运行的成本。将其带来的效益最大化。
1.3 本文的研究内容及章节安排
采用人工神经网络研究光伏发电功率预测，分析太阳辐照 、大气温度 、云量等各种气象因素对光伏电站输出功率的影响，分别采用利用MATLAB中 BP神经网络和RBF神经网络建立光伏发电功率预测的网络模型，实现对光伏电站次日12 h输出功率的预测 。本文的章节安排如下：
第1章 绪论。综述光伏发电研究的背景、现状及本课题的意义。
第2章 分析光伏电站输出功率的影响因素。
第3章 引入BP神经网络，针对某光伏电站的历史数据利用MATLAB工具箱函数构建BP神经网络，根据显示结果通过调节训练参数来改进网络精度。
第4章 引入RBF神经网络，对于BP网络中同样的数据利用MATLAB工具箱函数进行RBF网络建模，调节训练参数来改进网络精度。
第5章 对比BP神经网络和RBF神经网络，并将两种模型下的的预测结果进行对比分析，做出结论。
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/jxgc/zdh/4937.html
