基于粒子群优化支持向量机的太阳电池温度预测

发布时间：2017-07-26 07:31

  本文关键词：基于粒子群优化支持向量机的太阳电池温度预测

  更多相关文章： 太阳电池温度 热模型 支持向量机 粒子群优化算法

【摘要】：建立通用而精确的太阳电池热模型对光伏系统的建模、输出功率与转换效率的损失分析至关重要.基于复杂的太阳电池温度机理,分别研究了太阳电池温度的稳态热模型(steady state thermal model,SSTM)和支持向量机(support vector machines,SVM)方法建立的精确预测热模型.首先,基于空气温度、太阳辐射强度、风速3个最主要因素与太阳电池温度的近似线性关系,在已有SSTM的基础上,建立并校正了太阳电池的SSTM并采用差分进化算法提取模型的未知参数.其次,为提高SVM的模型预测精度,采用粒子群优化(particle swarm optimization,PSO)算法对SVM的核参数和惩罚因子进行动态寻优,在确定输入/输出样本集并划分训练集和测试集的基础上,建立了基于粒子群优化支持向量机(PSO-SVM)的太阳电池温度精确预测热模型.最后,搭建实验平台,在实验操作过程中减弱空气湿度、太阳入射角和热迟滞效应等因素对太阳电池温度的耦合.通过实验对比表明,建立的预测热模型性能可靠、全面、简洁,其参数寻优算法优于遗传算法和交叉校验法,模型预测精度优于反向传播神经网络(back propagation neural network)和SSTM.
【作者单位】： 兰州交通大学机电工程学院;
【关键词】： 太阳电池温度 热模型 支持向量机 粒子群优化算法
【分类号】：TM914.4;TP18
【正文快照】： 建立通用而精确的太阳电池热模型对光伏系统的建模、输出功率与转换效率的损失分析至关重要.基于复杂的太阳电池温度机理,分别研究了太阳电池温度的稳态热模型(steady state thermal model,SSTM)和支持向量机(support vector machines,SVM)方法建立的精确预测热模型.首先,基于

【参考文献】

中国期刊全文数据库 前2条

1 陈阿莲;冯丽娜;杜春水;张承慧;;基于支持向量机的局部阴影条件下光伏阵列建模[J];电工技术学报;2011年03期

2 陈伟根;滕黎;刘军;彭尚怡;孙才新;;基于遗传优化支持向量机的变压器绕组热点温度预测模型[J];电工技术学报;2014年01期

【共引文献】

中国期刊全文数据库 前10条

1 冯丽娜;陈阿莲;杜超;张承慧;;光伏阵列动态组态优化系统研究与设计[J];电力电子技术;2013年03期

2 胡浩磊;杨富文;;部分遮阴条件下光伏阵列最大功率点跟踪方法[J];电源学报;2013年02期

3 胡飞鹏;周娟;耿乙文;;局部阴影下光伏阵列的最大功率点跟踪研究[J];电气传动;2013年12期

4 徐青山;钱海亚;陈楷;;短时阴影情况下光伏抗失配能力的超级电容补偿策略[J];电力自动化设备;2014年02期

5 孙成正;朱孝立;赵春柳;;局部阴影遮蔽下光伏阵列MPPT算法的研究综述[J];电脑知识与技术;2014年17期

6 曹冲;;基于支持向量机光伏电池最大功率点跟踪研究[J];广东电力;2014年12期

7 唐磊;曾成碧;苗虹;徐伟;张云红;刘耀远;;基于蒙特卡洛的光伏多峰最大功率跟踪控制[J];电工技术学报;2015年01期

8 张翔;王时胜;余运俊;熊礼华;;局部阴影条件下光伏阵列建模及输出特性研究[J];电源技术;2015年01期

9 王丰华;周翔;高沛;郗晓光;;基于绕组热分布的改进油浸式变压器绕组热点温度计算模型[J];高电压技术;2015年03期

10 孙黎霞;李云峰;郑丹丹;金宇清;曾平良;韩家辉;;局部阴影下光伏阵列非机理建模[J];电网技术;2015年05期

中国重要会议论文全文数据库 前1条

1 雷一;崔颖东;周勇;曹彬;谢渝春;蒋石强;;大容量并网光伏电站的建模研究[A];2013年中国电机工程学会年会论文集[C];2013年

中国博士学位论文全文数据库 前4条

1 朱艳伟;光伏发电系统效率提高理论方法及关键技术研究[D];华北电力大学;2012年

2 吴小进;光伏阵列及并网逆变器关键技术研究[D];北京交通大学;2012年

3 齐迹;基于突变理论的海上交通风险预测研究[D];大连海事大学;2014年

4 唐舟进;动态频谱认知无线通信关键技术研究[D];北京邮电大学;2014年

中国硕士学位论文全文数据库 前10条

1 吕昌睿;并网光伏逆变器最大功率点跟踪器的研究[D];上海交通大学;2012年

2 冯丽娜;局部阴影下光伏阵列的建模与动态组态优化[D];山东大学;2012年

3 陈侃;光伏并网系统混合实时仿真研究[D];上海交通大学;2013年

4 张智慧;基于支持向量回归的光伏发电MPPT算法研究[D];浙江大学;2013年

5 滕哲铭;有移动云阴影遮蔽的光伏阵列模型及MPPT算法研究[D];哈尔滨工业大学;2012年

6 王兰梦;基于广义Tellegen定理的微电网短路计算方法研究[D];辽宁工业大学;2014年

7 姚光辉;光伏并网发电系统设计及MPPT技术研究[D];浙江大学;2014年

8 韩海霞;局部阴影下的光伏阵列MPPT算法研究[D];浙江大学;2014年

9 尚仪;光伏发电最大功率跟踪及微网运行控制策略研究[D];中国矿业大学;2014年

10 张翔;太阳能光伏发电多峰MPPT的研究[D];南昌大学;2014年

【二级参考文献】

中国期刊全文数据库 前10条

1 王群京;鲍晓华;倪有源;李争;;基于支持向量机和遗传算法的爪极发电机建模及参数优化[J];电工技术学报;2006年04期

2 牛东晓;刘达;陈广娟;冯义;;基于遗传优化的支持向量机小时负荷滚动预测[J];电工技术学报;2007年06期

3 夏长亮;贺子鸣;周亚娜;谢细明;;基于支持向量机的开关磁阻电机转子位置估计[J];电工技术学报;2007年10期

4 陈昌松;段善旭;殷进军;;基于神经网络的光伏阵列发电预测模型的设计[J];电工技术学报;2009年09期

5 滕黎;陈伟根;孙才新;;油浸式电力变压器动态热路改进模型[J];电网技术;2012年04期

6 郭通;兰巨龙;李玉峰;江逸茗;;基于量子自适应粒子群优化径向基函数神经网络的网络流量预测[J];电子与信息学报;2013年09期

7 李炜;朱新坚;曹广益;;基于一种改进的BP神经网络光伏电池建模[J];计算机仿真;2006年07期

8 韩晓霞;谢刚;韩晓明;谢克明;;基于相空间重构和支持向量机的多相催化剂失活预测[J];控制与决策;2012年06期

9 张学工;关于统计学习理论与支持向量机[J];自动化学报;2000年01期

10 周德佳;赵争鸣;吴理博;袁立强;孙晓瑛;;基于仿真模型的太阳能光伏电池阵列特性的分析[J];清华大学学报(自然科学版);2007年07期

【相似文献】

中国期刊全文数据库 前10条

1 郑君;;全国太阳光伏标准会议召开[J];太阳能;1992年04期

2 ;[J];;年期

3 ;[J];;年期

4 ;[J];;年期

5 ;[J];;年期

6 ;[J];;年期

7 ;[J];;年期

8 ;[J];;年期

9 ;[J];;年期

10 ;[J];;年期

，

本文编号：575305