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:
日照的不稳定性导致光伏系统的输出受到影响,为了尽可能准确地预测光伏系统的功率输出,就需要一种估测日照量的方法.文章中提出了一种使用神经网络预测日照量的方法,并通过计算机仿真证实了这种方法的合理性.同时介绍了3种神经网络法:FFNN、RBFNN和RNN,最后还对这3种方法的仿真结果进行了适当的比较.
推荐文章
基于Elman神经网络模型的短期光伏发电功率预测
光伏发电
功率预测
相似日
Elman神经网络
光伏发电系统发电功率预测
光伏
功率预测
粒子群算法
核函数极限学习机
基于改进相似样本选取与特征提取的光伏发电功率预测方法
光伏发电功率预测
野值剔除与补正
优化相似样本
特征提取
广义回归神经网络
基于BP神经网络和遗传算法的光伏功率预测的研究
光伏系统
功率预测
BP神经网络
遗传算法
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 应用神经网络法预测光伏系统发电功率
来源期刊 大功率变流技术 学科 工学
关键词 神经网络 光伏系统的功率输出 日照预测
年,卷(期) 2010,(3) 所属期刊栏目 绿色能源与节能
研究方向 页码范围 28-32
页数 分类号 TM761+.21
字数 3591字 语种 中文
DOI 10.3969/j.issn.1671-8410-B.2010.03.008
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 刘敬 5 27 3.0 5.0
2 高志建 3 16 1.0 3.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (13)
共引文献  (53)
参考文献  (6)
节点文献
引证文献  (15)
同被引文献  (33)
二级引证文献  (46)
1993(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)
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(2)
  • 参考文献(0)
  • 二级参考文献(2)
2000(1)
  • 参考文献(1)
  • 二级参考文献(0)
2001(2)
  • 参考文献(0)
  • 二级参考文献(2)
2002(1)
  • 参考文献(1)
  • 二级参考文献(0)
2003(2)
  • 参考文献(1)
  • 二级参考文献(1)
2004(2)
  • 参考文献(0)
  • 二级参考文献(2)
2005(3)
  • 参考文献(2)
  • 二级参考文献(1)
2008(1)
  • 参考文献(1)
  • 二级参考文献(0)
2010(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)
2011(1)
  • 引证文献(1)
  • 二级引证文献(0)
2012(3)
  • 引证文献(3)
  • 二级引证文献(0)
2013(5)
  • 引证文献(4)
  • 二级引证文献(1)
2014(3)
  • 引证文献(2)
  • 二级引证文献(1)
2015(7)
  • 引证文献(2)
  • 二级引证文献(5)
2016(8)
  • 引证文献(1)
  • 二级引证文献(7)
2017(11)
  • 引证文献(0)
  • 二级引证文献(11)
2018(9)
  • 引证文献(2)
  • 二级引证文献(7)
2019(8)
  • 引证文献(0)
  • 二级引证文献(8)
2020(6)
  • 引证文献(0)
  • 二级引证文献(6)
研究主题发展历程
节点文献
神经网络
光伏系统的功率输出
日照预测
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
控制与信息技术
双月刊
2096-5427
43-1546/TM
大16开
湖南省株洲市
1978
chi
出版文献量(篇)
1119
总下载数(次)
13
论文1v1指导