作者:
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:
光伏发电系统预测受气象、环境条件的影响,具有较大的波动性和随机性,给并网带来了诸多挑战.解决这些问题的关键在于准确预测光伏发电系统在一定时间内的发电量.概述和跟踪光伏发电的主要预测技术,并强调这些预测模型基于统计数据和人工智能.最后,指出了各种预测技术的不足和改进方向,帮助相关领域的研究人员提出更好的发电预测模型.
推荐文章
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
覆雪状态下光伏发电功率预测方法研究
光伏组件
覆雪
功率预测
蝗虫算法
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
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 光伏发电功率预测研究进展
来源期刊 技术与市场 学科
关键词 光伏发电 预测 统计 人工智能
年,卷(期) 2019,(5) 所属期刊栏目 技术应用
研究方向 页码范围 79-80
页数 2页 分类号
字数 2367字 语种 中文
DOI 10.3969/j.issn.1006-8554.2019.05.027
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 段林 1 2 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (18)
共引文献  (3)
参考文献  (1)
节点文献
引证文献  (2)
同被引文献  (14)
二级引证文献  (0)
2008(1)
  • 参考文献(0)
  • 二级参考文献(1)
2010(1)
  • 参考文献(0)
  • 二级参考文献(1)
2011(2)
  • 参考文献(0)
  • 二级参考文献(2)
2012(1)
  • 参考文献(0)
  • 二级参考文献(1)
2014(3)
  • 参考文献(0)
  • 二级参考文献(3)
2015(2)
  • 参考文献(0)
  • 二级参考文献(2)
2016(6)
  • 参考文献(0)
  • 二级参考文献(6)
2017(2)
  • 参考文献(0)
  • 二级参考文献(2)
2019(1)
  • 参考文献(1)
  • 二级参考文献(0)
2019(2)
  • 参考文献(1)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2019(1)
  • 引证文献(1)
  • 二级引证文献(0)
2020(1)
  • 引证文献(1)
  • 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
统计
人工智能
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
技术与市场
月刊
1006-8554
51-1450/T
大16开
四川省成都市
62-125
1980
chi
出版文献量(篇)
29073
总下载数(次)
69
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导