光伏充气膜温室自跟踪发电系统发电量预测  

Generating Capacity Prediction of Automatic Tracking Power Generation System on Inflatable Membrane Greenhouse Attached Photovoltaic

作　　者：徐小力[1] 刘秋爽[2] 见浪護[3] 

机构地区：[1]北京信息科技大学现代测控技术教育部重点实验室,北京100192 [2]北京七星华创电子股份有限公司集成电路工艺设备研发中心,北京101312 [3]冈山大学工学部自然科学院

出　　处：《农业机械学报》2012年第S1期305-310,299,共7页Transactions of the Chinese Society for Agricultural Machinery

基　　金：国家自然科学基金资助项目(50975020);国家科技重大专项资助项目(2009ZX04014-101);北京市引进国外技术重点资助项目(B201101010)

摘　　要：针对光伏充气膜温室自跟踪发电系统提出了一种加入天气预报信息的自适应变异粒子群神经网络的发电量预测算法。首先结合历史发电量数据和气象数据分析了影响光伏充气膜温室自跟踪发电系统发电量的主要因素,建立了加入天气预报的神经网络预测模型,并针对传统神经网络预测模型中基于梯度下降的BP算法收敛慢、易陷入局部最优、训练难收敛等问题,通过自适应变异粒子群算法改进了神经网络。该算法通过将变异环节引入粒子群优化算法,进行隔代进化找到局部最优解。实验结果表明所采用的自适应变异粒子群的神经网络预测算法的全局收敛性能得到了显著提高,能有效避免粒子群优化算法中的早熟收敛问题。针对光伏充气膜温室自跟踪发电系统提出了一种加入天气预报信息的自适应变异粒子群神经网络的发电量预测算法。首先结合历史发电量数据和气象数据分析了影响光伏充气膜温室自跟踪发电系统发电量的主要因素,建立了加入天气预报的神经网络预测模型,并针对传统神经网络预测模型中基于梯度下降的BP算法收敛慢、易陷入局部最优、训练难收敛等问题,通过自适应变异粒子群算法改进了神经网络。该算法通过将变异环节引入粒子群优化算法,进行隔代进化找到局部最优解。实验结果表明所采用的自适应变异粒子群的神经网络预测算法的全局收敛性能得到了显著提高,能有效避免粒子群优化算法中的早熟收敛问题。

关 键 词：光伏充气膜温室 自跟踪发电系统 发电量预测 自适应变异粒子群神经网络算法 

分 类 号：S22[农业科学—农业机械化工程]