论文部分内容阅读
太阳辐射量受到季节、大气状况、云况、温度、湿度甚至沙尘等气象因素的影响,表现为强烈的时变性和随机性。对于非线性的辐射量预测,目前已提出了许多方法,但依然存在智能算法的选取不合理、网络结构泛化能力差、预测精度不理想等不足。针对光伏电站太阳逐时辐射强度数据特征不明显、普通BP网络难以完全映射其特征的缺点,提出了一种基于小波包-神经网络的预测模型(WPNN),利用小波包变换将辐射强度序列进行多尺度分解,并创建多个BP模型对各分量预测,最后通过重构得到最终的预测结果。结果表明,预测精度明显提高,满足预期效果