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:
本文提出一种基于改进EMD算法及Elman算法相结合的光伏功率预测方法.首先对历史数据根据辐照时长及辐照强度进行聚类分析,确定待预测日的所属类别及对应的辐照强度待预测时段;其次根据主环境特征量在待预测日所属类别中构建同类型日时间序列,利用改进EMD算法对同类型相似日时间序列进行中值滤波,并按波动程度进行模态分解,同类型模态划归一类,最后采用Elman算法对各模态类进行辐照强度预测,进而得到光伏逐时发电功率值.该方法旨在提高弱辐照情况下对辐照强度预测精准度,经验证,该方法适应了不同类型日的辐照强度预测,能够在一定程度上提高预测精度.
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TVF-EMD-ELM的超短期光伏功率预测
光伏电站
功率预测
超短期
时变滤波经验模态分解
极限学习机
基于密度峰值聚类优化的光伏发电功率预测
密度峰值聚类
光伏发电
灰色关联度
相似日匹配
Elman神经网络
短期功率预测
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
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 基于改进EMD及Elman算法的短期光伏功率预测研究
来源期刊 现代电力 学科 工学
关键词 同类型相似日 中值滤波 EMD分解 Elman模型 辐照强度
年,卷(期) 2016,(3) 所属期刊栏目 清洁能源
研究方向 页码范围 8-13
页数 6页 分类号 TM615
字数 4709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 徐青山 东南大学电气工程学院 109 1217 18.0 29.0
2 袁晓冬 江苏省电力公司电力科学研究院 50 849 14.0 28.0
3 徐敏姣 东南大学电气工程学院 4 20 2.0 4.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (60)
共引文献  (325)
参考文献  (17)
节点文献
引证文献  (15)
同被引文献  (80)
二级引证文献  (13)
1989(2)
  • 参考文献(0)
  • 二级参考文献(2)
1992(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(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)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(3)
  • 参考文献(0)
  • 二级参考文献(3)
2004(2)
  • 参考文献(0)
  • 二级参考文献(2)
2005(4)
  • 参考文献(0)
  • 二级参考文献(4)
2006(5)
  • 参考文献(0)
  • 二级参考文献(5)
2007(7)
  • 参考文献(0)
  • 二级参考文献(7)
2008(9)
  • 参考文献(0)
  • 二级参考文献(9)
2009(8)
  • 参考文献(0)
  • 二级参考文献(8)
2010(10)
  • 参考文献(2)
  • 二级参考文献(8)
2011(5)
  • 参考文献(3)
  • 二级参考文献(2)
2012(6)
  • 参考文献(4)
  • 二级参考文献(2)
2013(7)
  • 参考文献(6)
  • 二级参考文献(1)
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)
2017(4)
  • 引证文献(4)
  • 二级引证文献(0)
2018(7)
  • 引证文献(3)
  • 二级引证文献(4)
2019(8)
  • 引证文献(5)
  • 二级引证文献(3)
2020(9)
  • 引证文献(3)
  • 二级引证文献(6)
研究主题发展历程
节点文献
同类型相似日
中值滤波
EMD分解
Elman模型
辐照强度
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
现代电力
双月刊
1007-2322
11-3818/TM
大16开
北京德外朱辛庄华北电力大学
82-640
1984
chi
出版文献量(篇)
2372
总下载数(次)
3
总被引数(次)
22233
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