基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
对风力发电进行有效的预测,则可降低电网调度的难度.根据从风电场获得的相关风速、温度、风向、风电功率等数据,建立基于BP神经网络的短期风电功率预测模型,预测提前1,2,4,24 h的风电功率.对所得预测结果进行比较,从而判断各种短期预测模型的优劣.从对比的结果可知,神经网络模型预测不超过24 h的风电功率时具有一定的可靠性.
推荐文章
基于风速融合和NARX神经网络的短期风电功率预测
短期风电功率预测
预测模型
NARX神经网络
风速融合
数据融合
数据处理
基于NWP和深度学习神经网络短期风功率预测
风功率预测
深度学习神经网络
数值天气预报
建立转换模型
概率密度
案例分析
基于深度学习网络的风电场功率短期预测研究
风电场
数值天气预报
功率预测
深度学习网
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 风电场短期风电功率的神经网络方法预测研究
来源期刊 电工电气 学科 工学
关键词 BP神经网络 风电功率 短期顶测
年,卷(期) 2009,(9) 所属期刊栏目 标准与管理
研究方向 页码范围 57-60
页数 4页 分类号 TM614
字数 3283字 语种 中文
DOI 10.3969/j.issn.1007-3175.2009.09.018
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 黄金花 东南大学电气工程学院 1 42 1.0 1.0
2 彭晖 东南大学电气工程学院 2 46 2.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (24)
共引文献  (567)
参考文献  (7)
节点文献
引证文献  (42)
同被引文献  (69)
二级引证文献  (340)
1985(1)
  • 参考文献(0)
  • 二级参考文献(1)
1992(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(1)
  • 参考文献(0)
  • 二级参考文献(1)
1996(2)
  • 参考文献(1)
  • 二级参考文献(1)
1997(2)
  • 参考文献(0)
  • 二级参考文献(2)
1998(1)
  • 参考文献(0)
  • 二级参考文献(1)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(2)
  • 参考文献(0)
  • 二级参考文献(2)
2002(2)
  • 参考文献(0)
  • 二级参考文献(2)
2003(2)
  • 参考文献(0)
  • 二级参考文献(2)
2004(4)
  • 参考文献(0)
  • 二级参考文献(4)
2005(4)
  • 参考文献(1)
  • 二级参考文献(3)
2006(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(4)
  • 参考文献(3)
  • 二级参考文献(1)
2008(2)
  • 参考文献(2)
  • 二级参考文献(0)
2009(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2010(3)
  • 引证文献(3)
  • 二级引证文献(0)
2011(14)
  • 引证文献(7)
  • 二级引证文献(7)
2012(41)
  • 引证文献(9)
  • 二级引证文献(32)
2013(55)
  • 引证文献(11)
  • 二级引证文献(44)
2014(52)
  • 引证文献(7)
  • 二级引证文献(45)
2015(58)
  • 引证文献(4)
  • 二级引证文献(54)
2016(45)
  • 引证文献(1)
  • 二级引证文献(44)
2017(43)
  • 引证文献(0)
  • 二级引证文献(43)
2018(34)
  • 引证文献(0)
  • 二级引证文献(34)
2019(28)
  • 引证文献(0)
  • 二级引证文献(28)
2020(9)
  • 引证文献(0)
  • 二级引证文献(9)
研究主题发展历程
节点文献
BP神经网络
风电功率
短期顶测
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
电工电气
月刊
1007-3175
32-1800/TM
大16开
苏州新区滨河路永和街7号
28-184
1981
chi
出版文献量(篇)
2747
总下载数(次)
6
总被引数(次)
7236
论文1v1指导