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:
基于风速历史数据统计法和基于地理信息与数值预报的物理方法都不能经济、有效、准确地对超短期风速做出预测。为了满足超短期风速预测的时效性和准确性,本文提出了基于风速历史数据和周边风速数据的风速时空信息BP神经网络超短期风速预测的思想,并研究了基于风速时空信息BP神经网络风速预测模型。建立了基于MATLAB平台的BP神经网络预测程序,并用实例验证了基于风速时空信息BP神经网络风速预测方法具有更高的精确度、时效性和经济性。
推荐文章
一种改进组合神经网络的超短期风速预测方法研究
风力发电
超短期风速预测
BP神经网络
长短期记忆(LSTM)神经网络
差分进化(DE)算法
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ABC-BP的短期风速预测研究
短期风速预测
人工蜂群算法
BP神经网络
支持向量机
基于GRNN全信息神经网络的超短期风速预测研究
GRNN
非线性
风速预测
超短期
RBF
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 基于风速时空信息的BP神经网络超短期风速预测研究
来源期刊 河南电力 学科 工学
关键词 风速预测 BP神经网络 风速时空信息 电力系统
年,卷(期) 2016,(4X) 所属期刊栏目
研究方向 页码范围 9-11
页数 3页 分类号 TM614
字数 语种
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 周建强 29 74 5.0 8.0
2 杨建华 34 199 7.0 12.0
3 屈卫东 34 192 7.0 12.0
4 兰增林 9 44 2.0 6.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (11)
共引文献  (0)
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)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(2)
  • 参考文献(1)
  • 二级参考文献(1)
2008(2)
  • 参考文献(0)
  • 二级参考文献(2)
2011(2)
  • 参考文献(2)
  • 二级参考文献(0)
2012(3)
  • 参考文献(3)
  • 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
风速预测
BP神经网络
风速时空信息
电力系统
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
河南电力
月刊
16开
郑州市金水东路56号
2008
chi
出版文献量(篇)
4227
总下载数(次)
7
总被引数(次)
59
论文1v1指导