论文部分内容阅读
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