钛学术
文献服务平台
学术出版新技术应用与公共服务实验室出品
首页
论文降重
免费查重
学术期刊
学术导航
任务中心
论文润色
登录
文献导航
学科分类
>
综合
工业技术
科教文艺
医药卫生
基础科学
经济财经
社会科学
农业科学
哲学政法
社会科学II
哲学与人文科学
社会科学I
经济与管理科学
工程科技I
工程科技II
医药卫生科技
信息科技
农业科技
数据库索引
>
中国科学引文数据库
工程索引(美)
日本科学技术振兴机构数据库(日)
文摘杂志(俄)
科学文摘(英)
化学文摘(美)
中国科技论文统计与引文分析数据库
中文社会科学引文索引
科学引文索引(美)
中文核心期刊
cscd
ei
jst
aj
sa
ca
cstpcd
cssci
sci
cpku
默认
篇关摘
篇名
关键词
摘要
全文
作者
作者单位
基金
分类号
搜索文章
搜索思路
钛学术文献服务平台
\
学术期刊
\
工业技术期刊
\
电工技术期刊
\
高电压技术期刊
\
基于密度峰值层次聚类的短期光伏功率预测模型
基于密度峰值层次聚类的短期光伏功率预测模型
作者:
张强
杨小龙
程启明
程尹曼
褚思远
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
光伏功率预测
层次聚类算法
密度峰值
气象因子
支持向量机
径向基神经网络
摘要:
针对传统聚类算法不易选取初始聚类中心、对噪声值较敏感、收敛速度慢及易陷入局部最优等问题,提出一种基于密度峰值的层次聚类算法对天气类型进行聚类.首先确定气象数据的密度峰值参数,采用分层聚类算法将气象数据划分为不同类别,然后利用支持向量机(SVM)对未知天气类型进行识别,最终采用径向基(RBF)神经网络建立光伏发电短期功率预测模型.仿真结果表明,该方法能有效提高气象类型的分类精度、加快寻优速度,提高离群样本点分离的鲁棒性,证明了其在小样本的情况下具有较高的精度,且在天气波动较大时仍能较好地实现功率值的预测.
暂无资源
收藏
引用
分享
推荐文章
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
基于模糊聚类和支持向量机的短期光伏功率预测
气象信息
模糊聚类
支持向量机
光伏功率
短期预测
内容分析
文献信息
引文网络
相关学者/机构
相关基金
期刊文献
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
基于密度峰值层次聚类的短期光伏功率预测模型
来源期刊
高电压技术
学科
关键词
光伏功率预测
层次聚类算法
密度峰值
气象因子
支持向量机
径向基神经网络
年,卷(期)
2017,(4)
所属期刊栏目
城市电网智能化
研究方向
页码范围
1214-1222
页数
9页
分类号
字数
语种
中文
DOI
10.13336/j.1003-6520.hve.20170328019
五维指标
传播情况
被引次数趋势
(/次)
(/年)
引文网络
引文网络
二级参考文献
(233)
共引文献
(359)
参考文献
(19)
节点文献
引证文献
(0)
同被引文献
(0)
二级引证文献
(0)
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)
1996(2)
参考文献(0)
二级参考文献(2)
1998(4)
参考文献(0)
二级参考文献(4)
1999(2)
参考文献(0)
二级参考文献(2)
2000(1)
参考文献(0)
二级参考文献(1)
2001(3)
参考文献(0)
二级参考文献(3)
2002(3)
参考文献(0)
二级参考文献(3)
2003(3)
参考文献(0)
二级参考文献(3)
2004(4)
参考文献(0)
二级参考文献(4)
2005(13)
参考文献(0)
二级参考文献(13)
2006(5)
参考文献(0)
二级参考文献(5)
2007(11)
参考文献(0)
二级参考文献(11)
2008(14)
参考文献(0)
二级参考文献(14)
2009(13)
参考文献(0)
二级参考文献(13)
2010(17)
参考文献(0)
二级参考文献(17)
2011(36)
参考文献(0)
二级参考文献(36)
2012(38)
参考文献(2)
二级参考文献(36)
2013(24)
参考文献(3)
二级参考文献(21)
2014(24)
参考文献(5)
二级参考文献(19)
2015(26)
参考文献(6)
二级参考文献(20)
2016(7)
参考文献(3)
二级参考文献(4)
2017(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
光伏功率预测
层次聚类算法
密度峰值
气象因子
支持向量机
径向基神经网络
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
高电压技术
主办单位:
中国电力科学研究院
中国电机工程学会
出版周期:
月刊
ISSN:
1003-6520
CN:
42-1239/TM
开本:
大16开
出版地:
湖北省武汉市珞瑜路143号武汉高压研究所
邮发代号:
38-24
创刊时间:
1975
语种:
chi
出版文献量(篇)
9889
总下载数(次)
24
总被引数(次)
181291
相关基金
上海市自然科学基金
英文译名:
官方网址:
http://www.lawyee.net/Act/Act_Display.asp?RID=46696
项目类型:
面上项目
学科类型:
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
期刊文献
相关文献
1.
基于密度峰值聚类优化的光伏发电功率预测
2.
基于密度峰值聚类优化的光伏发电功率预测
3.
基于Elman神经网络模型的短期光伏发电功率预测
4.
基于模糊聚类和支持向量机的短期光伏功率预测
5.
光伏发电系统发电功率预测
6.
基于密度峰值优化的谱聚类算法
7.
模糊聚类-Elman神经网络短期光伏发电预测模型
8.
基于加权K近邻的改进密度峰值聚类算法
9.
基于FCM和CG-DBN的光伏功率短期预测
10.
基于非参数核密度估计的密度峰值聚类算法
11.
基于样条估计分位数回归的光伏功率回归模型
12.
基于改进果蝇优化的密度峰值聚类算法
13.
基于密度聚类与ARIMA模型短期电力负荷预测
14.
基于聚类再回归方法的光伏发电量短期预测
15.
基于Kmeans-SVM的短期光伏发电功率预测
推荐文献
钛学术
文献服务平台
学术出版新技术应用与公共服务实验室出品
首页
论文降重
免费查重
学术期刊
学术导航
任务中心
论文润色
登录
根据相关规定,获取原文需跳转至原文服务方进行注册认证身份信息
完成下面三个步骤操作后即可获取文献,阅读后请
点击下方页面【继续获取】按钮
钛学术
文献服务平台
学术出版新技术应用与公共服务实验室出品
原文合作方
继续获取
获取文献流程
1.访问原文合作方请等待几秒系统会自动跳转至登录页,首次访问请先注册账号,填写基本信息后,点击【注册】
2.注册后进行实名认证,实名认证成功后点击【返回】
3.检查邮箱地址是否正确,若错误或未填写请填写正确邮箱地址,点击【确认支付】完成获取,文献将在1小时内发送至您的邮箱
*若已注册过原文合作方账号的用户,可跳过上述操作,直接登录后获取原文即可
点击
【获取原文】
按钮,跳转至合作网站。
首次获取需要在合作网站
进行注册。
注册并实名认证,认证后点击
【返回】按钮。
确认邮箱信息,点击
【确认支付】
, 订单将在一小时内发送至您的邮箱。
*
若已经注册过合作网站账号,请忽略第二、三步,直接登录即可。
期刊分类
期刊(年)
期刊(期)
期刊推荐
一般工业技术
交通运输
军事科技
冶金工业
动力工程
化学工业
原子能技术
大学学报
建筑科学
无线电电子学与电信技术
机械与仪表工业
水利工程
环境科学与安全科学
电工技术
石油与天然气工业
矿业工程
自动化技术与计算机技术
航空航天
轻工业与手工业
金属学与金属工艺
高电压技术2022
高电压技术2021
高电压技术2020
高电压技术2019
高电压技术2018
高电压技术2017
高电压技术2016
高电压技术2015
高电压技术2014
高电压技术2013
高电压技术2012
高电压技术2011
高电压技术2010
高电压技术2009
高电压技术2008
高电压技术2007
高电压技术2006
高电压技术2005
高电压技术2004
高电压技术2003
高电压技术2002
高电压技术2001
高电压技术2000
高电压技术1999
高电压技术2017年第9期
高电压技术2017年第8期
高电压技术2017年第7期
高电压技术2017年第6期
高电压技术2017年第5期
高电压技术2017年第4期
高电压技术2017年第3期
高电压技术2017年第2期
高电压技术2017年第12期
高电压技术2017年第11期
高电压技术2017年第10期
高电压技术2017年第1期
关于我们
用户协议
隐私政策
知识产权保护
期刊导航
免费查重
论文知识
钛学术官网
按字母查找期刊:
A
B
C
D
E
F
G
H
I
J
K
L
M
N
O
P
Q
R
S
T
U
V
W
X
Y
Z
其他
联系合作 广告推广: shenyukuan@paperpass.com
京ICP备2021016839号
营业执照
版物经营许可证:新出发 京零 字第 朝220126号