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,可降低电网调度的难度.先对风速历史数据进行小波分解,再针对各小波分量分别建立改进型BP神经网络模型进行预测,最后通过小波重构得到原始风速预测值.仿真结果表明,所提方法能够有效地提高风速预测精度.
推荐文章
采用小波分析和神经网络的短期风速组合预测
短期预测
小波分析
径向基神经网络
Elman神经网络
广义回归神经网络
基于神经网络和小波分析的超短期风速预测
神经网络
小波分析
风速预测
高频分量
低频分量
残差调整灰色BP神经网络的短期风速预测研究
灰色预测
BP神经网络
风速预测
基于小波分析与神经网络的交通流短时预测方法
小波分析
小波神经元网络
交通流
短时预测
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 基于小波分析与神经网络的风电场短期风速预测
来源期刊 安徽科技学院学报 学科 工学
关键词 小波分解 BP神经网络 小波系数 预测精度
年,卷(期) 2011,(1) 所属期刊栏目 工程技术
研究方向 页码范围 35-38
页数 分类号 TK81
字数 2977字 语种 中文
DOI 10.3969/j.issn.1673-8772.2011.01.009
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 周松林 铜陵学院电气工程系 41 154 7.0 10.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (45)
共引文献  (627)
参考文献  (5)
节点文献
引证文献  (7)
同被引文献  (12)
二级引证文献  (8)
1985(2)
  • 参考文献(0)
  • 二级参考文献(2)
1994(2)
  • 参考文献(0)
  • 二级参考文献(2)
1996(4)
  • 参考文献(0)
  • 二级参考文献(4)
1997(2)
  • 参考文献(0)
  • 二级参考文献(2)
1998(3)
  • 参考文献(0)
  • 二级参考文献(3)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(3)
  • 参考文献(0)
  • 二级参考文献(3)
2001(5)
  • 参考文献(0)
  • 二级参考文献(5)
2002(5)
  • 参考文献(0)
  • 二级参考文献(5)
2003(5)
  • 参考文献(0)
  • 二级参考文献(5)
2004(4)
  • 参考文献(0)
  • 二级参考文献(4)
2005(8)
  • 参考文献(3)
  • 二级参考文献(5)
2006(2)
  • 参考文献(0)
  • 二级参考文献(2)
2007(2)
  • 参考文献(0)
  • 二级参考文献(2)
2008(2)
  • 参考文献(2)
  • 二级参考文献(0)
2011(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)
2012(2)
  • 引证文献(2)
  • 二级引证文献(0)
2013(1)
  • 引证文献(1)
  • 二级引证文献(0)
2014(3)
  • 引证文献(3)
  • 二级引证文献(0)
2015(4)
  • 引证文献(1)
  • 二级引证文献(3)
2016(2)
  • 引证文献(0)
  • 二级引证文献(2)
2017(1)
  • 引证文献(0)
  • 二级引证文献(1)
2018(1)
  • 引证文献(0)
  • 二级引证文献(1)
2019(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
小波分解
BP神经网络
小波系数
预测精度
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
安徽科技学院学报
双月刊
1673-8772
34-1300/N
16开
安徽省凤阳县东华路9号
1984
chi
出版文献量(篇)
3123
总下载数(次)
7
总被引数(次)
12045
论文1v1指导