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:
随着光伏发电规模的不断扩大,光伏发电的波动性对其接入电网带来了很大挑战.文章在光伏发电功率影响因素研究的基础上,提出了一种基于双层Elman神经网络的光伏发电功率预测模型,利用历史辐照度数据、相关气象因子及天气预报数据进行功率预测.仿真分析表明该模型具有良好的预测效果.
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
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
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
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 基于双层Elman神经网络的光伏发电功率预测
来源期刊 供用电 学科 工学
关键词 光伏发电 功率预测 Elman神经网络 误差分析
年,卷(期) 2017,(10) 所属期刊栏目 特别策划
研究方向 页码范围 8-13
页数 6页 分类号 TM91
字数 3627字 语种 中文
DOI 10.19421/j.cnki.1006-6357.2017.10.002
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 张立梅 河北农业大学信息科学与技术学院 14 504 5.0 14.0
2 白牧可 4 13 2.0 3.0
3 曹煜祺 河北农业大学信息科学与技术学院 4 19 3.0 4.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (235)
共引文献  (816)
参考文献  (20)
节点文献
引证文献  (10)
同被引文献  (112)
二级引证文献  (14)
1964(1)
  • 参考文献(0)
  • 二级参考文献(1)
1980(1)
  • 参考文献(0)
  • 二级参考文献(1)
1982(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)
1990(1)
  • 参考文献(0)
  • 二级参考文献(1)
1991(1)
  • 参考文献(0)
  • 二级参考文献(1)
1994(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(1)
  • 参考文献(0)
  • 二级参考文献(1)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(2)
  • 参考文献(1)
  • 二级参考文献(1)
2003(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(2)
  • 参考文献(0)
  • 二级参考文献(2)
2005(5)
  • 参考文献(0)
  • 二级参考文献(5)
2006(13)
  • 参考文献(0)
  • 二级参考文献(13)
2007(11)
  • 参考文献(0)
  • 二级参考文献(11)
2008(21)
  • 参考文献(1)
  • 二级参考文献(20)
2009(21)
  • 参考文献(2)
  • 二级参考文献(19)
2010(35)
  • 参考文献(0)
  • 二级参考文献(35)
2011(40)
  • 参考文献(0)
  • 二级参考文献(40)
2012(26)
  • 参考文献(4)
  • 二级参考文献(22)
2013(33)
  • 参考文献(4)
  • 二级参考文献(29)
2014(14)
  • 参考文献(2)
  • 二级参考文献(12)
2015(14)
  • 参考文献(2)
  • 二级参考文献(12)
2016(2)
  • 参考文献(2)
  • 二级参考文献(0)
2017(2)
  • 参考文献(2)
  • 二级参考文献(0)
2017(2)
  • 参考文献(2)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2018(1)
  • 引证文献(1)
  • 二级引证文献(0)
2019(12)
  • 引证文献(7)
  • 二级引证文献(5)
2020(11)
  • 引证文献(2)
  • 二级引证文献(9)
研究主题发展历程
节点文献
光伏发电
功率预测
Elman神经网络
误差分析
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
供用电
月刊
1006-6357
31-1467/TM
16开
北京市东城区北京站西街19号
1984
chi
出版文献量(篇)
3233
总下载数(次)
12
论文1v1指导