基于树突状神经元网络的光伏功率预测方法及应用

发布时间：2020-05-18 20:31

【摘要】：新型清洁能源占人类能源消耗总量的比例越来越高,太阳能光伏作为主要的新型可再生能源,由于受气象因素的影响,具有非常典型的间歇性和随机性特点,若不加以预测任其接入电力系统,可能会对电网的稳定造成冲击,为了控制电能质量和提高系统稳定性,准确的光伏功率预测尤为重要。神经网络依然是目前光伏功率预测最为常用的方法之一。但由于传统的神经网络模型通常需要大量的神经元作为支撑,这导致了模型的运算效率较低,近些年发展起来的新型树突状神经元网络模型具有收敛速度快,结构简单,预测精度高等优点,本文探索将树突状神经元网络模型用于光伏发电功率的预测,围绕树突状神经元网络模型设计了两种光伏功率预测方法,基于上述方法开发了一个光伏功率预测系统。主要研究内容包括:(1)基于树突状神经元网络模型的光伏功率预测方法设计了一种基于树突神经元模型的光伏功率预测方法,结合光伏电站实际数据集分析并选择了影响光伏发电量的气象因素,把影响因素组成的数据阵列归一化后作用于模型的突触层,其中的非线性运算通过布尔逻辑表示,采用误差反向传播算法训练模型。本文将设计出预测方法的结果与一些常用的神经网络模型比较,从预测值、预测值的绝对误差和模型收敛速度三个方面分析了不同模型的差异,并采用MAPE、MAE和RMSE三种方法评估所提出预测模型的有效性。(2)基于小波变换-树突状神经元网络模型的光伏功率预测方法为进一步地提升树突状神经元模型的预测效果,本文在将原始数据传递给神经元模型之前,尝试寻求更有效的数据处理方法。首先利用小波变换对数据进行分解,随后重构模型的输出数据,由此将小波变换算法和树突状神经元网络模型组合起来,设计了一种新的光伏功率预测方法,随后将所提出的光伏功率预测方法与其他模型进行对比,发现采用的树突状神经元网络模型能够实现更高的预测精度。(3)光伏功率预测应用系统将提出的光伏功率预测方法投入到实际应用之中,开发了一个光伏功率预测系统。该系统包含数据采集、数据存储、预测算法和可视化界面四个模块,基于B/S架构,通过PHP脚本与后台数据库交互,预测结果采用Highcharts框架,以曲线和图表等多种方式展现。
【图文】：

大学专业学位硕士研究生学位论文 第一章 绪论用模型原理介绍节以径向基神经网络为例，对最基本的神经网络模型的数学原理进行介绍一种为了克服传统 BP 神经网络计算效率低并存在局部最小值的缺点，在 2研究人员提出的一种多维空间插值径向基函数模型。它是多层前向神经网通常由输入层、隐含层（中间层）和输出层构成，其基本结构如图 2.1 所

模型(NBDM)是近些年来学者们在单个神经元模型的用的神经网络模型，树突状神经元网络模型在被用收敛速度和预测精度，并且在处理分类问题的时候地提升了运算效率。网络的模型和原理模型结构分为四层：突触层，分支层，膜层和细胞且突触在其输入上执行 S 形非线性运算。该分支汇层。当超过阈值时，，细胞体通过轴突将信号发送到进行训练。模型结构如图 2.2 所示，单神经元模型
【学位授予单位】：南京邮电大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TP183;TM615

【相似文献】

相关期刊论文 前10条

1 裘晓莲;;模糊神经元网络评价体系实证研究[J];建筑与文化;2018年10期

2 王蔓蔓;杨晓丽;;模块神经元网络中耦合时滞诱导的簇同步转迁[J];动力学与控制学报;2016年06期

3 何若雪;;肚子里的“第二大脑”[J];大自然探索;2017年05期

4 张雷;刘希玉;;对传过程神经元网络及其应用研究[J];微型机与应用;2012年17期

5 刘金月;祝宝玲;;连续小波过程神经元网络在非线性函数逼近的应用[J];长春理工大学学报(自然科学版);2010年03期

6 陈磊;刘飞;;两种特征扩展过程神经元网络应用比较研究[J];控制工程;2009年S3期

7 周淑梅;;一种过程神经元网络在管道土壤腐蚀速率预测中的应用[J];齐齐哈尔大学学报(自然科学版);2008年04期

8 吴雅娟;许少华;;一种模糊计算过程神经元网络及其应用[J];东北林业大学学报;2008年08期

9 蔡久评;;基于过程神经元网络的陶瓷窑炉智能控制机制[J];中国陶瓷;2008年10期

10 许少华;王兵;何新贵;;基于过程神经元网络的动态预测模型及其应用[J];信息与控制;2007年06期

相关会议论文 前10条

1 王青云;;时滞对神经元网络时空同步的作用[A];第三届全国动力学与控制青年学者研讨会论文摘要集[C];2009年

2 李玉叶;张慧敏;魏春玲;杨明浩;王青云;古华光;任维;;随机信号在神经元网络中诱发的多次空间相干共振[A];第十二届全国非线性振动暨第九届全国非线性动力学和运动稳定性学术会议论文集[C];2009年

3 王青云;;神经元网络系统的非线性时空动力学[A];第四届全国动力学与控制青年学者研讨会论文摘要集[C];2010年

4 沈瑜;侯中怀;;从簇放电振幅推测耦合神经元网络的度分布性质[A];第五届全国复杂网络学术会议论文（摘要）汇集[C];2009年

5 孙晓娟;;噪声激励下多层次神经元网络放电的动力学行为特性研究[A];第七届全国动力学与控制青年学者研讨会论文摘要集[C];2013年

6 李丽明;王众嫭;王延章;;一种类神经元网络模型及其学习算法初探[A];全国青年管理科学与系统科学论文集（第1卷）[C];1991年

7 陈剑飞;王一玲;林伟;;用神经元网络模型求解多目标决策问题[A];全国青年管理科学与系统科学论文集（第2卷）[C];1993年

8 刘献心;黄布毅;;神经元网络与模糊控制的融合[A];1995年中国智能自动化学术会议暨智能自动化专业委员会成立大会论文集（上册）[C];1995年

9 曾贵生;柯益华;;神经元网络在厌氧流化床反应器动态建模中的应用[A];1995年中国智能自动化学术会议暨智能自动化专业委员会成立大会论文集（上册）[C];1995年

10 贾雁兵;古华光;;相位噪声诱导神经元网络的双重相干共振[A];第十五届全国非线性振动暨第十二届全国非线性动力学和运动稳定性学术会议摘要集[C];2015年

相关重要报纸文章 前9条

1 记者 彭科峰;国防大学教授胡晓峰：神经元网络或为复杂系统建模带来曙光[N];中国科学报;2017年

2 本报记者 俞陶然;模拟人脑人眼，让人工智能更像“人”[N];解放日报;2017年

3 杨骏 刘石磊;中国“芯”加速布局人工智能[N];中华工商时报;2017年

4 老鬼阿定;“深度学习”技术进展令人振奋[N];计算机世界;2014年

5 实习生 马昌剑;早教真能决定孩子的一生吗？[N];科技日报;2012年

6 ;GF Srl开发出用于包装过程检测的系统[N];中国包装报;2005年

7 百度总裁 张亚勤 口述 本报记者 李正豪 整理;人类定规则，机器将可控[N];中国经营报;2016年

8 邵珍珍 本报记者 胡唯元;自动化让冶金如此简单[N];科技日报;2005年

9 杨健;树立中国人管理创新的信心[N];人民日报;2007年

相关博士学位论文 前10条

1 王兵;面向油田诊断预测的过程神经元网络模型和算法研究[D];东北石油大学;2015年

2 秦迎梅;神经元网络的共振效应—信息的检测与传导[D];天津大学;2014年

3 李艳玲;培养神经元网络的学习模型构建及机理研究[D];华中科技大学;2007年

4 卢梅丽;基于相响应的神经元网络同步的优化控制[D];天津大学;2013年

5 陈传平;基于多电极阵列的培养神经元网络动态特征分析[D];华中科技大学;2007年

6 于海涛;神经元网络的同步、共振及控制研究[D];天津大学;2012年

7 陈琳;培养神经元网络自发电信号的特性分析[D];华中科技大学;2008年

8 郭大庆;复杂神经系统中信息传输及信息处理的若干问题研究[D];电子科技大学;2011年

9 刘延俊;气动比例位置系统的控制方法及动态特性研究[D];山东大学;2008年

10 王彩霞;Rulkov和Head direction神经元及神经元网络的动力学分析[D];北京交通大学;2016年

相关硕士学位论文 前10条

1 刘源;仓库区域人群可疑行为检测技术的研究与实现[D];中国电子科技集团公司电子科学研究院;2019年

2 赵可为;基于树突状神经元网络的光伏功率预测方法及应用[D];南京邮电大学;2019年

3 戈鹏鹤;神经元网络完全同步和高铁轮对蛇行运动临界分岔机制研究[D];北京交通大学;2019年

4 何珊;突触耦合对神经元网络自激行为的调控研究[D];电子科技大学;2019年

5 刘赵凡;小世界神经元网络中的随机多共振现象[D];北京邮电大学;2019年

6 楼力政;微电极阵列上培养神经元网络的特性分析[D];浙江大学;2019年

7 赵欣桐;时滞对前馈神经元网络信息传递的影响[D];北京邮电大学;2019年

8 薛天舒;时滞对神经元网络中同步转迁的影响[D];北京邮电大学;2019年

9 于彦虎;自突触影响下模块神经元网络的共振动力学[D];陕西师范大学;2018年

10 王权;基于PIDNN的四轴飞行器姿态控制系统的研究与实现[D];安徽农业大学;2017年

本文编号：2670273