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:
0 引言 光伏发电由于其可再生、环保灵活的特性得到广泛关注和快速发展[1].但由于光伏发电系统的输出受到太阳辐照强度和众多天气因素的影响,其发电量的变化是一个非平稳的随机过程,对大电网而言是一个不可控源,其发电的随机波动性会对电网造成冲击,影响电网运行的可靠性与稳定性[2].加强光伏发电功率预测的研究,预先获得光伏发电系统的日发电量曲线,从而协调电力系统制定发电计划,减少光伏发电的随机性对电力系统的影响,对光伏电站和电网都有着重要的经济意义[3-4].
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
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
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 基于相似日理论和BP神经网络的光伏发电功率预测
来源期刊 电气应用 学科
关键词 光伏电站 功率预测 相似日 BP神经网络
年,卷(期) 2016,(1) 所属期刊栏目 电力系统
研究方向 页码范围 42-48
页数 7页 分类号
字数 语种 中文
DOI
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (241)
共引文献  (1109)
参考文献  (14)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1982(1)
  • 参考文献(0)
  • 二级参考文献(1)
1986(2)
  • 参考文献(0)
  • 二级参考文献(2)
1989(2)
  • 参考文献(0)
  • 二级参考文献(2)
1990(1)
  • 参考文献(0)
  • 二级参考文献(1)
1992(2)
  • 参考文献(0)
  • 二级参考文献(2)
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(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(5)
  • 参考文献(0)
  • 二级参考文献(5)
2001(3)
  • 参考文献(0)
  • 二级参考文献(3)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(4)
  • 参考文献(0)
  • 二级参考文献(4)
2004(6)
  • 参考文献(0)
  • 二级参考文献(6)
2005(8)
  • 参考文献(0)
  • 二级参考文献(8)
2006(14)
  • 参考文献(0)
  • 二级参考文献(14)
2007(12)
  • 参考文献(1)
  • 二级参考文献(11)
2008(30)
  • 参考文献(1)
  • 二级参考文献(29)
2009(28)
  • 参考文献(1)
  • 二级参考文献(27)
2010(45)
  • 参考文献(3)
  • 二级参考文献(42)
2011(43)
  • 参考文献(1)
  • 二级参考文献(42)
2012(15)
  • 参考文献(1)
  • 二级参考文献(14)
2013(26)
  • 参考文献(4)
  • 二级参考文献(22)
2014(2)
  • 参考文献(2)
  • 二级参考文献(0)
2016(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)
研究主题发展历程
节点文献
光伏电站
功率预测
相似日
BP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
电气应用
月刊
1672-9560
11-5249/TM
大16开
北京市西城区百万庄大街22号
82-341
1982
chi
出版文献量(篇)
8789
总下载数(次)
13
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
论文1v1指导