期刊导航
期刊开放获取
河南省图书馆
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于改进CPSO的动态阴影环境下光伏MPPT仿真研究
被引量:
14
1
作者
葛双冶
杨凌帆
+1 位作者
刘倩
周杭霞
《电力系统保护与控制》
EI
CSCD
北大核心
2019年第6期151-157,共7页
动态阴影下,传统最大功率点追踪(MPPT)算法易陷入局部极值,而常规粒子群(PSO)算法实现的MPPT控制易给系统带来较大的振荡。针对上述问题,提出一种自适应精英策略改进混沌粒子群(AEM-CPSO)算法的MPPT控制策略。该算法对粒子前三次迭代进...
动态阴影下,传统最大功率点追踪(MPPT)算法易陷入局部极值,而常规粒子群(PSO)算法实现的MPPT控制易给系统带来较大的振荡。针对上述问题,提出一种自适应精英策略改进混沌粒子群(AEM-CPSO)算法的MPPT控制策略。该算法对粒子前三次迭代进行混沌搜索,使粒子在初始状态具有全局遍历性。自适应精英策略运用于粒子搜索后期,用于缓解算法后期振荡的问题。仿真结果表明,AEM-CPSO算法在全局搜索性,追踪速度以及暂态稳定性都优于传统方法。
展开更多
关键词
动态阴影
最大功率点追踪
粒子群算法
自适应精英策略
混沌搜索
下载PDF
职称材料
基于Kmeans-SVM的短期光伏发电功率预测
被引量:
92
2
作者
张雨金
杨凌帆
+1 位作者
葛双冶
周杭霞
《电力系统保护与控制》
EI
CSCD
北大核心
2018年第21期118-124,共7页
短期光伏发电功率预测对维护电网安全稳定和协调资源利用具有重要的意义。提出了一种基于K均值算法(Kmeans)和支持向量机(SVM)的短期光伏发电功率预测方法。根据短期光伏发电特性和光伏发电季节特性,组织预测模型的训练样本集。通过K均...
短期光伏发电功率预测对维护电网安全稳定和协调资源利用具有重要的意义。提出了一种基于K均值算法(Kmeans)和支持向量机(SVM)的短期光伏发电功率预测方法。根据短期光伏发电特性和光伏发电季节特性,组织预测模型的训练样本集。通过K均值算法对训练样本集进行聚类分析,在聚类得到的各类别数据上分别训练支持向量机。预测时根据预测样本的类别使用相应的支持向量机进行发电功率预测。经实验表明所提出的方法相较于传统的BP、SVM模型精度有了明显的提升,具有较好的工程应用潜力。
展开更多
关键词
光伏发电
预测模型
特性分析
K均值算法
支持向量机
下载PDF
职称材料
题名
基于改进CPSO的动态阴影环境下光伏MPPT仿真研究
被引量:
14
1
作者
葛双冶
杨凌帆
刘倩
周杭霞
机构
中国计量大学
出处
《电力系统保护与控制》
EI
CSCD
北大核心
2019年第6期151-157,共7页
基金
浙江省基础公益研究计划项目资助(LGF18F020017)~~
文摘
动态阴影下,传统最大功率点追踪(MPPT)算法易陷入局部极值,而常规粒子群(PSO)算法实现的MPPT控制易给系统带来较大的振荡。针对上述问题,提出一种自适应精英策略改进混沌粒子群(AEM-CPSO)算法的MPPT控制策略。该算法对粒子前三次迭代进行混沌搜索,使粒子在初始状态具有全局遍历性。自适应精英策略运用于粒子搜索后期,用于缓解算法后期振荡的问题。仿真结果表明,AEM-CPSO算法在全局搜索性,追踪速度以及暂态稳定性都优于传统方法。
关键词
动态阴影
最大功率点追踪
粒子群算法
自适应精英策略
混沌搜索
Keywords
dynamic shadow
maximum power point tracking
particle swarm optimization
adaptive elite mutation
chaotic search
分类号
TM615 [电气工程—电力系统及自动化]
TP18 [自动化与计算机技术—控制理论与控制工程]
下载PDF
职称材料
题名
基于Kmeans-SVM的短期光伏发电功率预测
被引量:
92
2
作者
张雨金
杨凌帆
葛双冶
周杭霞
机构
中国计量大学信息工程学院
出处
《电力系统保护与控制》
EI
CSCD
北大核心
2018年第21期118-124,共7页
基金
浙江省基础公益研究计划项目(LGF18F020017)~~
文摘
短期光伏发电功率预测对维护电网安全稳定和协调资源利用具有重要的意义。提出了一种基于K均值算法(Kmeans)和支持向量机(SVM)的短期光伏发电功率预测方法。根据短期光伏发电特性和光伏发电季节特性,组织预测模型的训练样本集。通过K均值算法对训练样本集进行聚类分析,在聚类得到的各类别数据上分别训练支持向量机。预测时根据预测样本的类别使用相应的支持向量机进行发电功率预测。经实验表明所提出的方法相较于传统的BP、SVM模型精度有了明显的提升,具有较好的工程应用潜力。
关键词
光伏发电
预测模型
特性分析
K均值算法
支持向量机
Keywords
PV power generation
prediction model
characteristic analysis
Kmeans algorithm
SVM
分类号
TM615 [电气工程—电力系统及自动化]
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于改进CPSO的动态阴影环境下光伏MPPT仿真研究
葛双冶
杨凌帆
刘倩
周杭霞
《电力系统保护与控制》
EI
CSCD
北大核心
2019
14
下载PDF
职称材料
2
基于Kmeans-SVM的短期光伏发电功率预测
张雨金
杨凌帆
葛双冶
周杭霞
《电力系统保护与控制》
EI
CSCD
北大核心
2018
92
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部