干旱区生态环境知识资源中心(Arid): 基于支持向量机和深度信念网络的短期光伏发电预测方法

Arid

	基于支持向量机和深度信念网络的短期光伏发电预测方法
其他题名	Short-term photovoltaic power generation prediction method based on SVM and DBN
	郭江震; 王福忠; 张丽
来源期刊	制造业自动化
ISSN	1009-0134
出版年	2020
卷号	42 期号:8 页码:29-33
中文摘要	为了提高光伏发电预测的精度,提出基于支持向量机和深度信念网络的光伏发电预测方法。利用改进的相似日算法选择相似日训练样本,分别构建以线性核函数、多项式核函数、高斯径向基核函数为核函数的支持向量机预测模型作为组合预测模型中的单项模型,再将三种单项模型的预测结果作为深度信念网络的输入,利用深度信念网络对三种单项模型的预测结果进行组合优化输出,根据实际输出与期望输出的误差动态调整组合权值,从而获得更高的预测精度。最后以澳大利亚沙漠太阳能研究中心的实测数据进行仿真验证,仿真结果表明,所提方法相较于其他方法具有较高的预测精度。
中文关键词	光伏发电 ; 预测方法 ; 组合预测 ; 支持向量机 ; 深度信念网络
类型	Article
语种	中文
收录类别	CSCD
WOS研究方向	Engineering
CSCD记录号	CSCD:6780587
资源类型	期刊论文
条目标识符	http://119.78.100.177/qdio/handle/2XILL650/336773
作者单位	郭江震, 河南理工大学电气工程与自动化学院, 焦作, 河南 454003, 中国.; 王福忠, 河南理工大学电气工程与自动化学院, 焦作, 河南 454003, 中国.; 张丽, 河南理工大学电气工程与自动化学院, 焦作, 河南 454003, 中国.
推荐引用方式 GB/T 7714	郭江震,王福忠,张丽. 基于支持向量机和深度信念网络的短期光伏发电预测方法[J],2020,42(8):29-33.
APA	郭江震,王福忠,&张丽.(2020).基于支持向量机和深度信念网络的短期光伏发电预测方法.制造业自动化,42(8),29-33.
MLA	郭江震,et al."基于支持向量机和深度信念网络的短期光伏发电预测方法".制造业自动化 42.8(2020):29-33.