模糊规则在神经网络预测模型中的应用前景

在采用径向基函数神经网络(RBFN)对太阳能发电系统输出功率进行预测的模型中,可以明确日照强度的精度对整个预测系统的精度起到了决定性的作用。通过在RBFN模型中引入模糊规则,改善云量数据的精准度,进而提高预测模型的精度。仿真结果表明,加入了模糊规则的模型,预测曲线更为近似。在全面考虑模糊的基础上,有可能提高预测精度。同时也证明了该方法可用于实际应用。     

基于RBF神经网络的太阳能发电量预测

太阳能发电系统输出功率的预测，尤其是短期预测，受到各种外源因素的影响，预测结果并不理想。由于现有预测方法对外部条件的依赖性，如太阳辐射强度和环境温度等，致使存在多种变量，影响预测的效率。为此，采用径向基函数神经网络(RBFN)，选择最优的输入参数，来预测20 kW太阳能电池板的功率输出，考虑效率的同时，对预测结果有了一定程度的改善。并将所提出方法与现有方法进行了比较。