Bajo la influencia de factores meteorológicos como la intensidad lumínica, la temperatura, la humedad y la velocidad del viento, los sistemas de generación de energía solar presentan características de fluctuación, irregularidad e incontrolabilidad de la potencia de salida, y la precisión de predicción de la cantidad de energía solar es baja. Por esta razón, se utiliza la teoría difusa en combinación con la máquina de vectores de soporte para predecir la cantidad de energía solar. En primer lugar, se calculan los grados de pertenencia difusa mediante el algoritmo de medias difusas de C, luego se clasifican las muestras, formando muestras difusas, luego la máquina de vectores de soporte entrena las muestras difusas, y finalmente utiliza el modelo de predicción para predecir la cantidad de energía solar en los próximos días. Los experimentos de simulación virtual con MATLAB muestran que el modelo de predicción con soporte de la estructura difusa es más estable y tiene un menor error de predicción en comparación con el modelo clásico de red neuronal BP y el modelo de máquina de vectores de soporte, y este modelo mejora la precisión de predicción del sistema.

teoría difusa; máquina de vectores de soporte; energía solar; predicción de la cantidad de electricidad; software MATLAB; grados de pertenencia difusa; modelo clásico de red neuronal BP; error de predicción