摘要
采用神经网络算法对光伏发电系统的负荷预测进行建模,算法中融入了气象预报信息,利用历史发电数据和历史气象预报信息对模型进行了训练,并用模型进行了测试,得到了高精度的预测结果,提高了系统运行的稳定性。
出处
《云南电力技术》
2011年第4期27-30,共4页
Yunnan Electric Power
参考文献5
-
1崔容强,赵春江,吴达成.并网型太阳能光伏发电系统[M].化学工业出版社,2007年7月,第l页.
-
2陈昌松,段善旭,殷进军.基于神经网络的光伏阵列发电预测模型的设计[J].电工技术学报,2009,24(9):153-158. 被引量:217
-
3Chakraborty S, Weiss M D, Simoes M G. Distributed intelligent energy management system for a single-phase high-frequency AC microgrid [ J].IEEE Transactions on Industrial Electronics, 2007, 54 (1) : 97-109.
-
4Yona A, Senjyu T, Funabashi T. Applica- tion of recurrent neural network to short-term-ahead generating power forecasting for photovoltaic system [ C ] IEEE Power Engineering Society General Meeting, 2007.
-
5范高锋,王伟胜,刘纯,戴慧珠.基于人工神经网络的风电功率预测[J].中国电机工程学报,2008,28(34):118-123. 被引量:353
二级参考文献33
-
1杨秀媛,肖洋,陈树勇.风电场风速和发电功率预测研究[J].中国电机工程学报,2005,25(11):1-5. 被引量:580
-
2丁明,张立军,吴义纯.基于时间序列分析的风电场风速预测模型[J].电力自动化设备,2005,25(8):32-34. 被引量:183
-
3吴国旸,肖洋,翁莎莎.风电场短期风速预测探讨[J].吉林电力,2005,33(6):21-24. 被引量:71
-
4迟永宁,刘燕华,王伟胜,陈默子,戴慧珠.风电接入对电力系统的影响[J].电网技术,2007,31(3):77-81. 被引量:498
-
5肖永山,王维庆,霍晓萍.基于神经网络的风电场风速时间序列预测研究[J].节能技术,2007,25(2):106-108. 被引量:67
-
6张红光,张粒子,陈树勇,安宁.大容量风电场对电力系统小干扰稳定和阻尼特性的影响[J].电网技术,2007,31(13):75-80. 被引量:71
-
7Bossanyi E A. Short-term wind prediction using kalman filters [J]. Wind Engineering, 1985, 9(1): 1-8.
-
8Kariniotakis G N, Stavrakakis G S, Nogaret E F. Wind power forecasting using advanced neural networks models[J]. IEEE Transactions on Energy Conversion, 1996, 11(4): 762-767.
-
9Potter C W, Negnevitsky M. Very short-term wind forecasting for Tasmanian power generation[J]. IEEE Transactions on Power Systems, 2006, 21(2): 965-972.
-
10Hecht Nielsen R. Kolmogorov'S mapping neural network existence theorem[C]. First IEEE International Conference of Neural Networks, San Diego, CA, 1987.
共引文献562
-
1邱臣铭,王群京,谢芳,钱喆.基于XGBoost的电动汽车用异步电机全工况及高精度的电流预测方法研究[J].中国电机工程学报,2020,40(S01):313-322. 被引量:5
-
2刘如慧,姜军,王剑峰,周玲玲,问虎龙,仇志鑫.基于BP神经网络的双模型光伏发电量预测[J].天津理工大学学报,2020,0(1):25-30. 被引量:4
-
3祝暄懿,姚李孝.基于相似日和小波神经网络的光伏短期功率预测[J].电网与清洁能源,2019,35(3):75-78. 被引量:16
-
4李明节.基于国际先进技术的风电调度研究与实践[J].中国电力,2012,45(11):1-6. 被引量:9
-
5徐小力,刘秋爽,见浪護.光伏充气膜温室自跟踪发电系统发电量预测[J].农业机械学报,2012,43(S1):305-310. 被引量:3
-
6Fan Gaofeng, Pei Zheyi, Xin Yaozhong National Power Dispatching & Communication Center Han Ruiguo.Achievements and Prospects of Wind Power Prediction[J].Electricity,2011,22(5):34-38.
-
7董雷,周文萍,张沛,刘广一,李伟迪.基于动态贝叶斯网络的光伏发电短期概率预测[J].中国电机工程学报,2013,33(S1):38-45. 被引量:72
-
8徐茂峻,雷阳,王文海,段建东.数据分辨率影响风电功率预测精度分析[J].电网与清洁能源,2015,31(4):95-99. 被引量:2
-
9张宜阳,严欢.基于分段分层相似日搜索和自适应脊波神经网络的风电功率多步预测[J].电网与清洁能源,2015,31(4):124-131. 被引量:10
-
10蒋德海,宋耀明,陈子通.GRAPES模式在华南沿海风电场精细风场预报中的应用[J].资源科学,2015,37(2):325-332. 被引量:4
同被引文献51
-
1张浩然,汪晓东.回归最小二乘支持向量机的增量和在线式学习算法[J].计算机学报,2006,29(3):400-406. 被引量:109
-
2Vapnik VN.An overview of statistical learning theory[].IEEE Transactions on Neural Networks.1999
-
3Platt J C.Fast training of support vector machines using sequential minimal optimization[].Advances in Kernel Methods: support vector learning.1999
-
4LORENZ E,HURKA J,HEINEMANN D,et al.Irradianceforecasting for the power prediction of grid-connectedphotovoltaic systems[].IEEE Journal of Selected Topics inApplied Earth Observations and Remote Sensing.2009
-
5HEINEMANN D,LORENZ E,GIRODO M.Forecasting of Solar Radiation. http: //www.Energy 2meteorology.de .
-
6Ting-Chung Yu,Hsiao-Tse Chang.The forecast of the electrical energy generated by photovoltaic systems using neural network method[].International Conference on Electric Information and Control Engineering(ICEICE).2011
-
7Lun S X, Du C J, Guo T T,et al. A new explicit I-V model of a solar cell based on Taylor's series expansion [J]. Solar Energy, 2013(94) :221-232.
-
8Lun S X, Du C J, Yang G H,et al. An explicit approximate I-V characteristic model of a solar cell based on pads approximants [J]. Solar Energy, 2013(92) : 147-159.
-
9Romero B, Pozo G del, Arredondo B, Exact analytical solution of a two diode circuit model for organic solar cells showing S-shape using Lambert W-functions [J]. Solar Energy, 2012(86) :3026-3029.
-
10Yona A, Senjyu T, Saber A Y,et al, Application of neural network to one-day-ahead 24 hours generating power forecasting for photovohaic system [J]. The 14th International Conference on Intelligent System Applications to Power Systems, 2007,442-447.
引证文献6
-
1邓雅,胡书举,孟岩峰,许洪华.光伏发电系统功率预测研究方法综述[J].电气制造,2013(6):50-53. 被引量:11
-
2齐红云,伦淑娴.基于模糊双曲正切模型的短期光伏发电量预测[J].电子设计工程,2016,24(17):1-3. 被引量:2
-
3胡海峰,伦淑娴.基于Leaky-ESN的光伏发电输出功率预测[J].电子设计工程,2016,24(17):15-17. 被引量:5
-
4韩国栋,胡兰平,杨富程,祝铭宏,夏迪.不同安装方式光伏发电系统辐射量计算分析[J].云南电力技术,2017,45(3):8-10. 被引量:8
-
5程军照,王文玺,陶亮.基于虚拟同步发电机技术的微电网孤网运行控制策略[J].云南电力技术,2018,46(1):6-10. 被引量:3
-
6王斯伟,练继建,李根森,赵振源,朱向东.山地光伏电站地形及阴影对发电量影响研究[J].云南电力技术,2018,46(1):49-53. 被引量:7
二级引证文献35
-
1倪春花,陈国恩,朱伟,王丙文,吴在军.基于相似日理论和BP神经网络的光伏发电功率预测[J].电气应用,2016,35(1):42-48. 被引量:7
-
2崔琼,舒杰,吴志锋,黄磊,丁建宁.BIPV系统斜面总辐照量计算及发电量估算[J].新能源进展,2016,4(5):386-392. 被引量:5
-
3张程熠,唐雅洁,李永杰,高强,江全元.适用于小样本的神经网络光伏预测方法[J].电力自动化设备,2017,37(1):101-106. 被引量:47
-
4吴钟,杨帆,代四广.基于本体的电商服务均衡预测仿真[J].计算机仿真,2017,34(2):426-429.
-
5王洪坤,葛磊蛟,李宏伟,迟福建.分布式光伏发电的特性分析与预测方法综述[J].电力建设,2017,38(7):1-9. 被引量:54
-
6齐向阳.民用屋顶光伏发电并网技术探讨[J].电子世界,2017,0(22):30-31.
-
7李垣志,牛国庆,张轩轩.矿井突水水源判别的ESN正则化模型[J].煤田地质与勘探,2018,46(1):108-114. 被引量:5
-
8冬雷,周晓,郝颖,廖晓钟,高阳.基于样本双重筛选的光伏发电功率预测[J].太阳能学报,2018,39(4):1018-1025. 被引量:15
-
9王大虎,贾倩,林红阳.基于改进MNN光伏发电功率预测模型[J].电子设计工程,2018,26(12):1-5. 被引量:4
-
10赵钰彬,赵兴勇,陆维,杨荣,康嘉超,卫晓强.基于双重移相控制的直流微电网双主动全桥DC/DC变换器[J].广东电力,2019,32(1):60-67. 被引量:13
-
12020年世界分地区地热发电预测[J].能源政策研究,2002(1):55-55.
-
2何勇琪,张建成,鲍雪娜.并网型风光储混合发电系统中储能系统容量优化研究[J].华北电力大学学报(自然科学版),2012,39(4):1-5. 被引量:28
-
3李景云.提升光伏地面电站发电效率的研究——以天富能源股份有限公司20MW光伏地面电站为例[J].新疆农垦科技,2016,39(4):69-71. 被引量:1
-
4严艺芬,吴文宣,张逸.主动配电网规划关键问题研究[J].电气技术,2016,17(11):1-1. 被引量:8
-
5周永智,吴浩,李怡宁,辛焕海,宋永华.基于MCS-PSO算法的邻近海岛多微网动态调度[J].电力系统自动化,2014,38(9):204-210. 被引量:41
-
6白芳,徐子方.浅谈主动配电网规划中的负荷预测与发电预测[J].低碳世界,2016,6(35):92-93. 被引量:3
-
7卢冬冬,郑莆燕,袁言周,甘志超,李晋超.基于天气预报的光伏发电预测研究[J].硅谷,2014,7(15):43-44. 被引量:5
-
8钟清,孙闻,余南华,柳春芳,王芳,张鑫.主动配电网规划中的负荷预测与发电预测[J].中国电机工程学报,2014,34(19):3050-3056. 被引量:122
-
9康洪波,刘瑞梅,侯秀梅.基于神经网络光伏发电预测模型的研究[J].电源技术,2013,37(3):447-449. 被引量:15
-
10刘本希,廖胜利,冯仲恺,程春田,李秀峰,蔡华祥.耦合偏互信息的贫资料地区小水电发电能力预测[J].电力系统自动化,2015,39(19):149-154. 被引量:12