原文服务方: 科技与创新       
摘要:
光伏发电渗透率的提高增大了发电的不确定性和波动性,对电网的电能质量产生了影响。精准预测光伏出力情况以进行电力调度可以有效缓解这一问题。因此对影响光伏出力的因素进行相关性分析,筛选出影响较大的气象因素后建立BP神经网络模型。基于2000—2021年典型日的气象数据对2022年同一日光伏出力情况进行预测,并将预测结果与物理模型预测结果对比,验证了采用BP神经网络模型预测光伏出力可以获得更加精确的预测结果。
推荐文章
基于BP神经网络和遗传算法的光伏功率预测的研究
光伏系统
功率预测
BP神经网络
遗传算法
基于BP神经网络的光伏发电短期出力预测
光伏发电
短期出力预测
BP神经网络
日类型
基于LVQ-GA-BP神经网络光伏电站出力短期预测
光伏出力预测
LVQ-GA-BP预测模型
气象因素
神经网络
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
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 BP 神经网络的光伏出力预测
来源期刊 科技与创新 学科 工学
关键词 BP神经网络 光伏发电 相关性分析 对比寻优
年,卷(期) 2024,(13) 所属期刊栏目
研究方向 页码范围 43-45
页数 3页 分类号
字数 语种 中文
DOI 10.15913/j.cnki.kjycx.2023.13.012
五维指标
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  (0)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2024(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
BP神经网络
光伏发电
相关性分析
对比寻优
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
科技与创新
半月刊
2095-6835
14-1369/N
大16开
2014-01-01
chi
出版文献量(篇)
41653
总下载数(次)
0
总被引数(次)
202805
论文1v1指导