预测光伏系统神经网络在二十四小时提前发电的应用.docVIP

预测光伏系统神经网络在二十四小时提前发电的应用 淳Yona的，学生会员，IEEE，智信Senjyu，高级会员，IEEE， 艾哈迈德优素福军刀，会员，IEEE，年寿船桥，高级会员，IEEE， 关根英臣，和澈焕金，高级会员，IEEE 摘要：近年来，重点是环境 来自化石燃料的消耗造成的污染问题，例如， 煤和石油。因此，介绍的替代能源的 如太阳能预期。然而，日晒不 常数和光伏输出（PV）系统影响的 受气象条件。以预测的功率 输出用于光伏系统尽可能准确，对于方法 日照估计是必需的。在本文中，作者拿 每月日晒考虑，并确认 利用神经网络由预测太阳辐射的有效性 计算机模拟。该方法利用任何气象 - rological数据，并且不需要复杂的计算和 数学模型。 关键词：神经网络，提前24小时预报， 功率输出光伏发电系统，太阳辐射预报。 引言 我 ???近年来，引进替代能源 如太阳能预期。太阳能是很好 因为没有CO2排放被称为清洁能源。 因此，光伏（PV）系统得到了迅速的交流 ceptance一些用于替代的最佳解决方案 能源。然而，日射不是常数和 光伏发电系统的输出是由日照和天气的影响 条件。使用蓄电池是可行的措施，以 稳定的输出功率的光伏系统。但是，它需要 额外的费用和结果在使用存储额外的浪费 电池。但从提高了控制的点 电力系统的性能，应该有一个估计 光伏发电系统的输出尽可能准确的。因此， 需要一个良好的日照预测方法。虽然 技术预测光伏发电系统的基础发电功率 对日晒的预测被认为是一种有效的方法 实际应用中，微分方程需要解决 通过使用大量的气象数据。然后，执行 这些技术将导致更高的成本。 淳的Yona和智信Senjyu与ELEC-部 Trical公司与电子工程，工程，大学学院 琉球，琉球，日本（电子邮箱： k068470@eve.u-ryukyu.ac.jp ， b985542@tec.u-ryukyu.ac.jp ） 艾哈迈德优素福军刀是机电部和电脑 工程，阿卜杜勒阿齐兹国王大学， KSA （电子邮件： aysaber@ ） 。 年寿船桥与明电舍株式会社，东京，日本（ E- 电子邮件： funabashi-t@mb.meidensha.co.jp ） 。 关根英臣与教育技术系，学报 - SITY琉球，琉球，日本（电子邮箱：H sekine@ ） 汤振辉金正日是电子与计算机工程学院， 成均馆大学，水原440-746 ，韩国和NPT中心（ E- 电子邮件： chkimskku@ ） 。 为了克服这些问题，有必要为预测- ING技术是廉价的和易于使用。应用 神经网络被称为一个方便的方法进行预测。 这是可能的，只有气象预报日照 数据。大多数的论文报道应用饲料的 前馈神经网络（ FFNN ）为日照预测[ 1 - 3] 。然而，这是难以用FFNN预测暴晒。 本文提出的光伏功率输出预测 根据日照预测在24小时领先对手系统 使用三种不同的神经网络模型。选定机型FFNN ， 径向基函数神经网络（ RBFNN ）和复发 神经网络（ RNN） 。 RBF神经网络是选择了它的结构 简单性和通用逼近性[4,5] 。自 RNN被称为时间序列数据预测的好工具 [6,7] ， RNN选择在本文中。 一个很大的努力已经取得了对太阳辐射和 利用神经网络发电预测方法。 Neverthe - 少，笔者想探讨进一步可能性， 这对彼等所知从来没有被审查。 在任何其他纸张，似乎被什么缺乏的是表现 比较几种类型的神经网络的日晒预测。 有一个有效的论据。由于太阳辐射的波动 根据天气情况，依据的预测结果 利用神经网络通常是在逐案。 所提出的技术应用神经网络的了解 只有气象数据，并根据预测日进行测试。 输出功率光伏系统的计算方法中脱颖而出， 铸造日照数据。该方法的有效性 通过比较上述的预测能力的证实 提到神经网络的计算机模拟在24小时反超。 在电力公司，日照预测是一个重要的 工具，用于利用所述混合动力系统与存储 电池，太阳能电池，风力发电机等，例如，量 的蓄电池能量很容易被预测的数据来确定。 这些决定有利于混合动力的有效运作 动力系统，因此其盈利能力取决于 预测技术。 二。神经网络 图。图1示出的学习算法的流程图 NN本文采用。 NN表示为如图中 图的左边。一，在比较预测的目的 每个应用神经网络的结果，输入数据的基础上， 同样的气象数据。在FFNN ，学习资料 发送到每个层之间的一个方向 FFNN和RBF神经网络之间的不同之处在于径向基神经网络具有径向基 功能隐藏层。 1。 学习神经网络算法 另一方面， RNN具有 一个反馈结构，从隐藏的信息传递 层在学习算法输入层。即主 FFNN和RNN之间的差异。神经网络学习通过重复 这些信息传输。 在太阳辐射预报，气象数据使用