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:
为提高光伏发电预测的精度,通过两种不同温度和光强下的电池短路电流、开路电压以及最大功率点处电流和电压电性参量,建立任意温度和光强下光伏发电预测模型.结果表明:在光强不变温度改变的条件下,电流电压全局拟合均方根误差不超过1.443 9 mA,预测最大输出功率的相对误差最大为10.61%;在光强改变温度不变的条件下,电流电压全局拟合均方根误差不超过0.982 1 mA;预测最大输出功率的相对误差最大为6.21%;总体来说,模型能正确预测光伏电池的输出特性,满足工程应用要求,且多晶硅的预测难度大于单晶与非晶硅电池.
推荐文章
基于神经网络光伏发电预测模型的研究
光伏发电
光电跟踪
神经网络
发电预测
基于BP神经网络的光伏发电功率预测模型研究
光伏发电
功率预测
神经网络
算例验证
基于EMD-LSTM的光伏发电预测模型
光伏发电
出力预测
经验模态分解
长短期记忆神经网络
气象因素
光伏发电系统预测研究进展
光伏发电
预测
模型
方法
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 光伏发电性能物理预测模型的研究
来源期刊 电源技术 学科 工学
关键词 光伏发电 预测模型 最大输出功率 误差分析
年,卷(期) 2018,(2) 所属期刊栏目 研究与设计
研究方向 页码范围 262-266
页数 5页 分类号 TM53
字数 3787字 语种 中文
DOI 10.3969/j.issn.1002-087X.2018.02.030
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 肖文波 南昌航空大学无损检测技术教育部重点实验室 36 128 6.0 10.0
2 戴锦 南昌航空大学无损检测技术教育部重点实验室 5 20 2.0 4.0
3 胡芳雨 南昌航空大学无损检测技术教育部重点实验室 1 2 1.0 1.0
4 吴思宇 5 13 2.0 3.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (10)
节点文献
引证文献  (2)
同被引文献  (17)
二级引证文献  (0)
2006(1)
  • 参考文献(1)
  • 二级参考文献(0)
2010(1)
  • 参考文献(1)
  • 二级参考文献(0)
2011(3)
  • 参考文献(3)
  • 二级参考文献(0)
2012(5)
  • 参考文献(5)
  • 二级参考文献(0)
2018(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)
2019(2)
  • 引证文献(2)
  • 二级引证文献(0)
研究主题发展历程
节点文献
光伏发电
预测模型
最大输出功率
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
电源技术
月刊
1002-087X
12-1126/TM
大16开
天津296信箱44分箱
6-28
1977
chi
出版文献量(篇)
9323
总下载数(次)
56
总被引数(次)
55810
论文1v1指导