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:
针对短期光伏发电因随机性、复杂性和易受外界因素干扰的特点而很难做出准确的分析和预测,提出了一种基于EMD分解的AR模型光伏发电量预测的方法.该方法利用光伏电站的历史发电数据和天气情况作为输入参数来训练建立的模型,以预测次日的发电量.试验结果证明该方法适用于光伏发电量预测,能有效减小误差,具有一定的参考价值.
推荐文章
基于TVF-EMD-ELM的超短期光伏功率预测
光伏电站
功率预测
超短期
时变滤波经验模态分解
极限学习机
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
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
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EMD分解的AR模型光伏发电预测方法探讨
来源期刊 电工技术 学科 工学
关键词 光伏发电 相关因素 EMD AR 发电量预测
年,卷(期) 2019,(11) 所属期刊栏目 理论研究
研究方向 页码范围 8-10,14
页数 4页 分类号 TM615
字数 3044字 语种 中文
DOI
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 孙祥晟 云南民族大学电气信息工程学院 7 6 2.0 2.0
2 陈芳芳 云南民族大学电气信息工程学院 14 21 3.0 4.0
3 贾鉴 云南民族大学电气信息工程学院 6 17 3.0 4.0
4 齐琦 云南民族大学电气信息工程学院 3 3 1.0 1.0
5 吴孟礼 云南民族大学电气信息工程学院 3 3 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (100)
共引文献  (142)
参考文献  (12)
节点文献
引证文献  (3)
同被引文献  (28)
二级引证文献  (0)
1986(1)
  • 参考文献(0)
  • 二级参考文献(1)
1989(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)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(3)
  • 参考文献(0)
  • 二级参考文献(3)
1998(3)
  • 参考文献(0)
  • 二级参考文献(3)
1999(2)
  • 参考文献(0)
  • 二级参考文献(2)
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(4)
  • 参考文献(0)
  • 二级参考文献(4)
2004(2)
  • 参考文献(0)
  • 二级参考文献(2)
2005(7)
  • 参考文献(1)
  • 二级参考文献(6)
2006(1)
  • 参考文献(0)
  • 二级参考文献(1)
2007(4)
  • 参考文献(0)
  • 二级参考文献(4)
2008(9)
  • 参考文献(0)
  • 二级参考文献(9)
2009(10)
  • 参考文献(0)
  • 二级参考文献(10)
2010(6)
  • 参考文献(0)
  • 二级参考文献(6)
2011(15)
  • 参考文献(0)
  • 二级参考文献(15)
2012(5)
  • 参考文献(0)
  • 二级参考文献(5)
2013(11)
  • 参考文献(1)
  • 二级参考文献(10)
2014(4)
  • 参考文献(4)
  • 二级参考文献(0)
2015(2)
  • 参考文献(1)
  • 二级参考文献(1)
2016(4)
  • 参考文献(3)
  • 二级参考文献(1)
2017(3)
  • 参考文献(1)
  • 二级参考文献(2)
2018(4)
  • 参考文献(1)
  • 二级参考文献(3)
2019(2)
  • 参考文献(0)
  • 二级参考文献(2)
2020(1)
  • 参考文献(0)
  • 二级参考文献(1)
2019(2)
  • 参考文献(0)
  • 二级参考文献(2)
  • 引证文献(0)
  • 二级引证文献(0)
2020(3)
  • 引证文献(3)
  • 二级引证文献(0)
研究主题发展历程
节点文献
光伏发电
相关因素
EMD
AR
发电量预测
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
电工技术
半月刊
1002-1388
50-1072/TM
32开
重庆市渝北区洪湖西路18号
78-61
1980
chi
出版文献量(篇)
12910
总下载数(次)
32
论文1v1指导