Resumen

Influida por la luz, la temperatura, la presión atmosférica y otros factores aleatorios, la energía fotovoltaica se caracteriza por su volatilidad e intermitencia. Una previsión precisa de la energía fotovoltaica puede mejorar eficazmente la seguridad y la estabilidad de la red eléctrica. Este artículo analiza exhaustivamente la influencia de la intensidad luminosa, el tipo de día, la temperatura y la estación del año en la potencia fotovoltaica. De acuerdo con la técnica propuesta de minería de conocimiento de simulación de escenas (SSKM), los factores influyentes se agrupan y fusionan en un modelo de predicción. Combinando el algoritmo adaptativo con la red neuronal, se establece el modelo de predicción de la red neuronal adaptativa. Un ejemplo numérico real verifica la eficacia y aplicabilidad del modelo de predicción de potencia fotovoltaica propuesto, basado en la minería de conocimiento de simulación de escenas y la red neuronal adaptativa.

• Materias:Análisis Matemático Álgebra Ingeniería Matemática aplicada Lógica matemática
• Subjects:Mathematical Analysis Algebra Engineering Applied Mathematics Mathematical logic
• Palabras claves:simulación de escena extracción de conocimientos, potencia fotovoltaica, modelo de predicción de red neuronal adaptativa, modelo de predicción de potencia fotovoltaica, ejemplo numérico real, red neuronal adaptativa, otros factores aleatorios, sistema de red eléctrica, temperatura, algoritmo adaptativo
• Keywords:scene simulation knowledge mining, photovoltaic power, adaptive neural network prediction model, photovoltaic power prediction model, actual numerical example, adaptive neural network, other random factors, power grid system, temperature, adaptive algorithm