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:
根据光伏发电功率的变化是非稳定和随机的特点,为进一步提高光伏功率预测精度,该文提出一种基于VMD-SE-LSSVM和迭代误差修正的预测方法.该方法首先采用变分模态分解(VMD)技术将历史光伏发电功率分解成一系列有限带宽的子模态,避免模态混叠和噪声冲击的影响;然后用最小二乘支持向量机分别预测光伏发电功率和误差,将误差补偿后的功率值作为最终的预测结果.此外,该文还采用样本熵(SE)原理将天气类型量化作为特征向量输入支持向量机(SVM)参与预测,兼顾了天气因素和时间维度对预测值的影响.经过仿真和与传统方法的预测结果比对,该文所提出的方法在不同天气类型中均提高了准确性,在光伏电站功率预测中具有一定的理论与实用价值.
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
基于相似日和VMD-GRU的光伏功率组合预测方法研究
光伏发电功率预测
相似日
变分模态分解
门控循环单元神经网络
基于游程判别法和VMD残差修正的风电功率预测
风电功率
长短时记忆神经网络
自回归滑动平均模型
残差
麻雀搜索算法
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 基于VMD-SE-LSSVM和迭代误差修正的光伏发电功率预测
来源期刊 太阳能学报 学科 工学
关键词 预测模型 支持向量机 模态分解 误差分析
年,卷(期) 2020,(2) 所属期刊栏目
研究方向 页码范围 310-318
页数 9页 分类号 TM615
字数 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 余向阳 49 398 12.0 18.0
2 杨宁宁 5 21 4.0 4.0
3 岳同耿日 2 0 0.0 0.0
4 赵怡茗 2 0 0.0 0.0
5 高春阳 3 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  (204)
共引文献  (696)
参考文献  (13)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1992(1)
  • 参考文献(0)
  • 二级参考文献(1)
1995(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(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(2)
  • 参考文献(0)
  • 二级参考文献(2)
1999(1)
  • 参考文献(0)
  • 二级参考文献(1)
2001(1)
  • 参考文献(0)
  • 二级参考文献(1)
2002(2)
  • 参考文献(0)
  • 二级参考文献(2)
2004(3)
  • 参考文献(0)
  • 二级参考文献(3)
2005(2)
  • 参考文献(0)
  • 二级参考文献(2)
2006(10)
  • 参考文献(0)
  • 二级参考文献(10)
2007(8)
  • 参考文献(1)
  • 二级参考文献(7)
2008(14)
  • 参考文献(0)
  • 二级参考文献(14)
2009(21)
  • 参考文献(0)
  • 二级参考文献(21)
2010(23)
  • 参考文献(0)
  • 二级参考文献(23)
2011(38)
  • 参考文献(1)
  • 二级参考文献(37)
2012(25)
  • 参考文献(1)
  • 二级参考文献(24)
2013(28)
  • 参考文献(2)
  • 二级参考文献(26)
2014(17)
  • 参考文献(4)
  • 二级参考文献(13)
2015(15)
  • 参考文献(1)
  • 二级参考文献(14)
2016(3)
  • 参考文献(3)
  • 二级参考文献(0)
2020(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
预测模型
支持向量机
模态分解
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
太阳能学报
月刊
0254-0096
11-2082/TK
大16开
北京市海淀区花园路3号
2-165
1980
chi
出版文献量(篇)
7068
总下载数(次)
14
论文1v1指导