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:
针对风功率难以预测的问题,提出一种基于小波分解和ELMAN神经网络的风速-风功率预测模型,采用小波分解来降低风速的非平稳性;采用ELMAN神经网络建立风速预测模型;基于实测数据拟合功率曲线,并结合得到的功率曲线进行风功率预测.最后将建模流程应用到实测数据验证模型的有效性,结果表明了模型的先进性.
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
基于小波包分解和改进Elman神经网络的风电场风速和风电功率预测
风力发电
风电场
风速预测
小波包分解
Elman神经网络
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
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 基于小波分解和ELMAN神经网络的风速-风功率预测研究
来源期刊 陕西电力 学科 工学
关键词 风功率预测 小波分解 ELMAN神经网络
年,卷(期) 2014,(9) 所属期刊栏目 特别推荐
研究方向 页码范围 11-14
页数 4页 分类号 TM614|TK89
字数 2262字 语种 中文
DOI
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 杨楠 三峡大学新能源微电网湖北省协同创新中心 13 34 3.0 5.0
2 严居斌 国网四川省电力公司经济技术研究院 2 8 1.0 2.0
3 汪小明 国网四川省电力公司经济技术研究院 1 7 1.0 1.0
4 尹笋 国网四川省电力公司经济技术研究院 1 7 1.0 1.0
5 吴戎 国网四川省电力公司经济技术研究院 1 7 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (97)
共引文献  (659)
参考文献  (10)
节点文献
引证文献  (7)
同被引文献  (64)
二级引证文献  (21)
1985(3)
  • 参考文献(0)
  • 二级参考文献(3)
1994(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(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(3)
  • 参考文献(0)
  • 二级参考文献(3)
2000(2)
  • 参考文献(0)
  • 二级参考文献(2)
2002(7)
  • 参考文献(0)
  • 二级参考文献(7)
2003(5)
  • 参考文献(0)
  • 二级参考文献(5)
2004(9)
  • 参考文献(0)
  • 二级参考文献(9)
2005(9)
  • 参考文献(0)
  • 二级参考文献(9)
2006(4)
  • 参考文献(0)
  • 二级参考文献(4)
2007(10)
  • 参考文献(0)
  • 二级参考文献(10)
2008(14)
  • 参考文献(0)
  • 二级参考文献(14)
2009(10)
  • 参考文献(0)
  • 二级参考文献(10)
2010(12)
  • 参考文献(3)
  • 二级参考文献(9)
2011(9)
  • 参考文献(1)
  • 二级参考文献(8)
2012(3)
  • 参考文献(3)
  • 二级参考文献(0)
2013(2)
  • 参考文献(2)
  • 二级参考文献(0)
2014(1)
  • 参考文献(1)
  • 二级参考文献(0)
2014(1)
  • 参考文献(1)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2015(3)
  • 引证文献(3)
  • 二级引证文献(0)
2016(7)
  • 引证文献(2)
  • 二级引证文献(5)
2017(4)
  • 引证文献(0)
  • 二级引证文献(4)
2018(6)
  • 引证文献(1)
  • 二级引证文献(5)
2019(5)
  • 引证文献(0)
  • 二级引证文献(5)
2020(3)
  • 引证文献(1)
  • 二级引证文献(2)
研究主题发展历程
节点文献
风功率预测
小波分解
ELMAN神经网络
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
智慧电力
月刊
2096-4145
61-1512/TM
大16开
西安市柿园路218号
52-185
1973
chi
出版文献量(篇)
5128
总下载数(次)
13
总被引数(次)
22005
论文1v1指导