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:
由于光伏发电具有间歇性、波动性的特点,因此准确预测并网型光伏发电系统的输出功率对电网调度,以及电网的安全稳定和经济高效运行具有重要意义.提出了一种基于相似日理论和LIBSVM软件中支持向量机回归(SVR)算法的光伏发电系统输出功率预测方法.通过实例进行仿真验算,并与同样采用相似日理论的反向传播(BP)神经网络算法、径向基(RBF)神经网络算法和Elman神经网络算法进行比较,证明了此预测方法的有效性.
推荐文章
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
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
光伏发电系统功率预测方法的研究现状
光伏发电系统
功率预测
预测方法
输出特性
基于神经网络的配网系统光伏输出功率控制分析
太阳能
BP神经网络
最大输出功率
配网系统
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 基于相似日理论和LIBSVM软件中SVR算法的光伏发电系统输出功率预测方法
来源期刊 太阳能 学科 工学
关键词 相似日 LIBSVM软件 SVR算法 功率预测 光伏发电
年,卷(期) 2021,(1) 所属期刊栏目 学术研究
研究方向 页码范围 23-28
页数 6页 分类号 TM615
字数 语种 中文
DOI 10.19911/j.1003-0417.tyn20200114.02
五维指标
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (147)
共引文献  (105)
参考文献  (14)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1976(1)
  • 参考文献(0)
  • 二级参考文献(1)
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)
1999(3)
  • 参考文献(0)
  • 二级参考文献(3)
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)
2003(3)
  • 参考文献(0)
  • 二级参考文献(3)
2004(6)
  • 参考文献(0)
  • 二级参考文献(6)
2005(5)
  • 参考文献(0)
  • 二级参考文献(5)
2006(5)
  • 参考文献(0)
  • 二级参考文献(5)
2007(3)
  • 参考文献(0)
  • 二级参考文献(3)
2008(5)
  • 参考文献(0)
  • 二级参考文献(5)
2009(9)
  • 参考文献(0)
  • 二级参考文献(9)
2010(9)
  • 参考文献(1)
  • 二级参考文献(8)
2011(15)
  • 参考文献(1)
  • 二级参考文献(14)
2012(13)
  • 参考文献(0)
  • 二级参考文献(13)
2013(16)
  • 参考文献(1)
  • 二级参考文献(15)
2014(13)
  • 参考文献(0)
  • 二级参考文献(13)
2015(14)
  • 参考文献(2)
  • 二级参考文献(12)
2016(9)
  • 参考文献(1)
  • 二级参考文献(8)
2017(12)
  • 参考文献(0)
  • 二级参考文献(12)
2018(6)
  • 参考文献(1)
  • 二级参考文献(5)
2019(9)
  • 参考文献(7)
  • 二级参考文献(2)
2021(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
相似日
LIBSVM软件
SVR算法
功率预测
光伏发电
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
月刊
1003-0417
11-1660/TK
16开
北京市海淀区花园路3号
2-164
1980
chi
出版文献量(篇)
5613
总下载数(次)
10
论文1v1指导