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:
为了降低电网调度的操作复杂性,同时提升风电功率的预测精度,本文主要分析影响风电功率预测方法的因素,包括风向、风速以及环境温度等方面,同时经过对比研究,小波变换和神经网络的短期风电功率预测方法能够提升预测精度.
推荐文章
基于风速融合和NARX神经网络的短期风电功率预测
短期风电功率预测
预测模型
NARX神经网络
风速融合
数据融合
数据处理
基于NWP和深度学习神经网络短期风功率预测
风功率预测
深度学习神经网络
数值天气预报
建立转换模型
概率密度
案例分析
基于小波-神经网络的短期风电功率预测研究
电力系统
风电场
风电功率预测
小波-神经网络
小波分析
神经网络
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
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 基于小波变换和神经网络的短期风电功率预测方法
来源期刊 电子测试 学科
关键词 小波变换 神经网络 短期风电功率 预测方法
年,卷(期) 2017,(18) 所属期刊栏目 理论与算法
研究方向 页码范围 32-33
页数 2页 分类号
字数 1311字 语种 中文
DOI 10.3969/j.issn.1000-8519.2017.18.013
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 叶秉森 7 5 1.0 2.0
2 黄立场 2 4 1.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (13)
共引文献  (0)
参考文献  (2)
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)
2004(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)
2009(1)
  • 参考文献(0)
  • 二级参考文献(1)
2012(2)
  • 参考文献(0)
  • 二级参考文献(2)
2013(2)
  • 参考文献(0)
  • 二级参考文献(2)
2014(1)
  • 参考文献(0)
  • 二级参考文献(1)
2015(1)
  • 参考文献(0)
  • 二级参考文献(1)
2016(4)
  • 参考文献(1)
  • 二级参考文献(3)
2017(1)
  • 参考文献(1)
  • 二级参考文献(0)
2017(1)
  • 参考文献(1)
  • 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
小波变换
神经网络
短期风电功率
预测方法
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
电子测试
半月刊
1000-8519
11-3927/TN
大16开
北京市100098-002信箱
82-870
1994
chi
出版文献量(篇)
19588
总下载数(次)
63
总被引数(次)
36145
论文1v1指导