基于MPC和ELM神经网络的太阳辐照量优化预测算法

授权

摘要

本发明公开了一种基于MPC和ELM神经网络的太阳辐照量优化预测算法，步骤1，建立基于MPC的ELM神经网络模型；步骤2，收集历史数据；步骤3，归一化处理；步骤4，训练，得出最佳ELM神经网络模型；步骤5，滚动预测参数设置；步骤6，MPC滚动预测，包括步骤61，采集t‑m时刻历史数据；步骤62，初预测；步骤63，采集t时刻数据；步骤64，计算过程预测误差；步骤65，修正初预测数据；步骤66，滚动预测。本发明通过选取与太阳能辐照量直接相关的气象因素，如环境温度、相对湿度、云量，确定输入变量；其次，采用ELM神经网络模型进行辐照预测；最后，利用MPC的滚动优化思想提高太阳辐照量预测数据的精度。

基本信息

专利标题：

基于MPC和ELM神经网络的太阳辐照量优化预测算法

专利标题（英）：

暂无

公开（公告）号：

CN111461297A

申请号：

CN202010217224.3

公开（公告）日：

2020-07-28

申请日：

2020-03-25

授权号：

CN111461297B

授权日：

2022-04-29

发明人：

郭苏章晗丁菲王嘉乐张睿

申请人：

河海大学

申请人地址：

江苏省南京市江宁开发区佛城西路8号

代理机构：

南京经纬专利商标代理有限公司

代理人：

石艳红

优先权：

CN202010217224.3

主分类号：

G06N3/04

IPC分类号：

G06N3/04 G06N3/08 G06N20/10 G01W1/10