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:
准确的风电功率预测是提高电网稳定性、增加风电场竞争力的重要途径.文章提出了一种以虚拟测风塔技术对测风塔数据进行预处理的方法,对缺失数据进行补全,利用RBF神经网络建立风速预测模型,拟合风速功率曲线得到风电功率预测结果.实验分析显示,基于虚拟测风塔技术的数据预处理方法可有效增加测风数据完整度,提高预测精度,降低风电场的运行维护成本,进一步提高风电场竞争力,具有实际应用价值.
推荐文章
考虑相似时段聚类的风电功率短期预测算法
风电功率预测
相似时段
Elman神经网络
聚类
自适应分类
气象信息
短期风电功率预测误差分布研究
风电功率预测
误差分布
带位置和尺度参数的 t 分布
差分自回归移动平均模型
BP 神经网络
考虑地形影响的短期风电功率预测
风电功率
预测
BP神经网络
CFD软件
MATLAB
考虑风电功率爬坡的功率预测-校正模型
风电功率爬坡事件
最优旋转门算法
极限学习机
风电功率预测
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 考虑测风数据缺失的短期风电功率预测算法
来源期刊 可再生能源 学科 工学
关键词 风力发电 功率预测 虚拟测风塔 RBF神经网络
年,卷(期) 2017,(2) 所属期刊栏目
研究方向 页码范围 298-303
页数 分类号 TK89
字数 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 陈晓科 广东电网有限责任公司电力科学研究院广东省智能电网新技术企业重点实验室 32 244 8.0 14.0
2 曾杰 广东电网有限责任公司电力科学研究院广东省智能电网新技术企业重点实验室 26 488 10.0 22.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (62)
共引文献  (194)
参考文献  (19)
节点文献
引证文献  (10)
同被引文献  (99)
二级引证文献  (18)
1974(1)
  • 参考文献(0)
  • 二级参考文献(1)
1985(1)
  • 参考文献(0)
  • 二级参考文献(1)
1989(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)
1998(2)
  • 参考文献(0)
  • 二级参考文献(2)
2000(2)
  • 参考文献(0)
  • 二级参考文献(2)
2002(3)
  • 参考文献(0)
  • 二级参考文献(3)
2003(2)
  • 参考文献(1)
  • 二级参考文献(1)
2004(3)
  • 参考文献(0)
  • 二级参考文献(3)
2005(10)
  • 参考文献(0)
  • 二级参考文献(10)
2007(7)
  • 参考文献(0)
  • 二级参考文献(7)
2008(19)
  • 参考文献(3)
  • 二级参考文献(16)
2009(7)
  • 参考文献(3)
  • 二级参考文献(4)
2010(4)
  • 参考文献(2)
  • 二级参考文献(2)
2011(4)
  • 参考文献(2)
  • 二级参考文献(2)
2012(6)
  • 参考文献(2)
  • 二级参考文献(4)
2013(4)
  • 参考文献(2)
  • 二级参考文献(2)
2014(1)
  • 参考文献(1)
  • 二级参考文献(0)
2015(3)
  • 参考文献(3)
  • 二级参考文献(0)
2017(2)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(2)
  • 二级引证文献(0)
2017(2)
  • 引证文献(2)
  • 二级引证文献(0)
2018(6)
  • 引证文献(4)
  • 二级引证文献(2)
2019(16)
  • 引证文献(4)
  • 二级引证文献(12)
2020(4)
  • 引证文献(0)
  • 二级引证文献(4)
研究主题发展历程
节点文献
风力发电
功率预测
虚拟测风塔
RBF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
可再生能源
月刊
1671-5292
21-1469/TK
大16开
辽宁省营口市西市区银泉街65号
8-61
1983
chi
出版文献量(篇)
4935
总下载数(次)
14
总被引数(次)
41118
论文1v1指导