赵振东
- 作品数：4 被引量：4H指数：1
- 供职机构：广西大学电气工程学院更多>>
- 发文基金：广西壮族自治区自然科学基金广西教育厅科研项目广西研究生教育创新计划更多>>
- 相关领域：动力工程及工程热物理电气工程自动化与计算机技术更多>>
- 光伏板温度预测与仿真
- 2018年
- 针对PV/T系统工作时气象因子的随机性和波动性造成PV/T组件温度预测精度降低的问题,充分考虑气象因子对预测精度的影响,建立了改进的BP神经网络预测模型。采用神经网络与遗传算法相结合,在分析组件温度与气象因素以及相邻时间序列温度相关性的基础上,提出了基于气象因子与组件历史温度相结合,提取出对PV/T组件温度影响较大的因子作为模型输入的同时优化神经网络结构的研究方法。以实验室光伏光热综合利用系统及其历史数据为研究对象,研究了各气象因子、组件历史温度等因子对PV/T组件温度的影响关系,对比分析了在晴天及多云天气下预测模型的预测效果,得到了较为明显的优化效果。研究结果表明,加入组件历史温度同时提取对组件温度影响最大的因子作为预测模型输入,同时优化神经网络结构能够有效地提高PV/T组件温度预测的精度。
- 李畸勇李宜生李宜生赵振东
- 关键词：遗传算法神经网络
- 基于主成分分析的短期PV/T组件温度预测被引量：1
- 2018年
- 为进一步提高光伏/光热(photovoltaic/thermal,PV/T)综合利用系统中PV/T组件温度预测精度,该文采用主成分分析法对原始输入样本数据进行预处理,提取主成分,并利用遗传算法优化BP神经网络结构,对组件温度数据建立预测模型。仿真结果表明,相对于未经主成分提取的神经网络,该方法使得网络模型在晴天和多云天气条件下的预测精度分别提高了7.68%和4.97%,使得网络模型预测精度更高,泛化性能更强。
- 李畸勇李宜生汤允凤赵振东赵振东
- 关键词：遗传算法主成分分析法
- 基于PCA-Elman神经网络的短期PV/T组件温度预测被引量：1
- 2017年
- 为了进一步提高光伏/光热一体化(PV/T)系统中PV/T组件温度的预测精度,使得PV/T系统能够根据PV/T组件温度的波动情况提前准确地做出控制决策,以优化控制效果,文章在分析PV/T组件温度与气象因素的相关性以及相邻时间序列温度自相关性的基础上,采用主成分分析法对原始输入样本数据进行预处理,并提取该样本数据的主成分,然后结合反馈型Elman神经网络理论,建立动态预测模型。研究结果表明,相对于未提取主成分的神经网络模型,提取主成分的神经网络模型的预测精度更高,泛化性能更强。
- 李畸勇赵振东李宜生李宜生汤允凤
- 关键词：主成分ELMAN神经网络泛化性能
- 基于RBF神经网络的PV/T组件短期温度预测被引量：3
- 2017年
- 针对光伏光热综合利用(PV/T)系统热电协调控制中组件温度控制非线性大惯性系统的温度控制问题,文中提出对PV/T组件进行短期温度预测,以使PV/T系统控制器根据短期预测情况提前动作,从而优化PV/T系统控制效果。文中分析了A类天气类型(晴天、晴间多云、多云间晴)下组件温度的变化情况,并结合RBF神经网络对组件温度数据建立预测模型。仿真实例分析结果表明,该预测方法在A类天气类型下预测精度较高,最大相对误差为13.22%,最大平均相对误差为3.6%。研究结果可为后续PV/T系统研究提供技术支撑。
- 李畸勇赵振东赵振东肖晶肖晶李宜生
- 关键词：PVTRBF神经网络
