论文部分内容阅读
为了提高光伏系统发电功率预测的精度,本文提出一种基于Spiking神经网络(SNN)的预测模型.该神经网络采用精确脉冲时间的编码方式,更接近真实的生物神经系统,具有强大的计算能力.考虑季节类型、天气类型和大气温度等主要影响因素,该模型采用灰色关联分析法选取相似日.本文应用实际光伏发电系统的数据分别对基于SNN、BP人工神经网络(BP-ANN)和支持向量机(SVM)的预测模型进行测试和评估.预测结果表明:SNN预测模型相比于BP-ANN和SVM模型有较高的预测精度和较强的适用性,可以为光伏系统发电功率预测提供一种可行方法.