共查询到20条相似文献，搜索用时 46 毫秒
1.
短期太阳能光伏发电预测方法研究进展 总被引：3，自引：0，他引：3
提高短期光伏发电预测水平是太阳能光伏发电站并入现有电网系统和太阳能光伏开发利用的关键问题,对提高太阳能光伏发电开发利用、保证并网安全也具有重要意义.本文对国内外短期太阳能光伏发电预测方法进行了分类归纳总结,对各类方法的发展趋势、优缺点等进行了分析.结果表明,统计智能类预测方法是国内外小型光伏电站短期光伏发电量预测技术发展的重点,总体平均预测误差在3.0％～ 11.0％之间.简单物理模型类预测方法是目前国内外大中型并网光伏电站业务运行采用最多的短期光伏发电量预测方法,总体平均预测误差在5.0％～20.0％之间.复杂物理模型类预测方法是未来大型光伏电站短期发电量预测技术研究和发展应用的主要方向.文章结论对我国短期太阳能光伏发电预测技术的发展具有促进作用. 相似文献
2.
本文分析阐述了BP神经网络算法、GA遗传算法的相关理论知识,并在此基础上,针对GA-BP相结合的算法在光伏发电功率预测方面的应用进行了研究,包括对影响辐照量的因素进行了分析和基于GA-BP的光伏发电模型预测,最后对预测结果进行了分析。 相似文献
3.
4.
微电网系统中发电功率和负荷功率不匹配将会对其稳定性造成不利影响,为了准确预测微电网系统的短期负荷变化趋势,保证微电网可靠安全运行,文章提出了一种基于单变量单时间步长短期记忆神经网络(Long short-term memory,LSTM)的微电网短期负荷预测方法,该方法利用LSTM擅长处理时序性数据的能力,首先使用微电网负荷的历史数据进行模型训练,然后使用前一个采样点的数据去预测下一个时刻的数据.利用上述方法搭建了基于Keras的单变量单时间步长LSTM微电网短期负荷预测模型,使用某地各大区用电量进行负荷预测,实验结果跟实际用电量的平均绝对误差百分比为1.46％,取得了良好的预测精度,验证了该方法的有效性. 相似文献
5.
随着能源转型的不断推进,风电与光伏发电站的数量不断增多.但风电和光伏属于随机波动的不稳定能源,大规模的风电与光伏并入大电网,必然会影响大电网的稳定性.电力生产调度系统需要对未来一段时间内的风功率和光伏功率进行预测,以合理分配发电设备的出力,确保大电网稳定可靠运行.长短期记忆网络是一种循环神经网络,能够充分利用一段时间内... 相似文献
6.
对时间序列的预测是一项重要的数据挖掘技术。本文将独立分量分析方法和小波神经网络相结合,建立一种ICA—WNN预测模型,并应用于风力发电功率时间序列预测。仿真结果表明所建模型具有较好的泛化性能,得到了较高的预测精度。 相似文献
7.
受风电、光电波动性和间歇性的影响,单一新能源发电会导致电能的供应不平衡,降低发电系统的可靠性。针对风光互补发电系统运行的复杂性问题,对系统中的各部分能量进行协调控制可提高工作效率。本文通过对风光互补发电系统中各子系统间功率输出关系进行分析,提出发电系统功率的控制策略,提高发电系统的稳定性与可靠性。发电系统功率控制策略以蓄电池为主,风光发电系统为辅,充分利用资源,不需要考虑因负载功率跟踪和发电电能过多造成的弃光弃风现象。仿真结果验证了发电系统功率控制策略的可行性,为电力系统的稳定运行提供保障。 相似文献
8.
风电系统的运行伴随着海量数据的生成,是数据应用的重要场景。风电系统的输出受天气等因素影响,波动较大,因此风电输出的预测对于电力系统平衡、经济调度意义重大。为了探索风电系统中的数据价值,本文基于风电场的发电功率数据建立了小时级的多输入—多输出日前预测模型。进一步,本文对数据—模型—经济收益的链路进行梳理,结合合作博弈中的沙普利值思想,对模型中的数据点和特征进行价值评估。本文通过算例分析探索高价值数据的特点,结果表明筛选高价值数据能够实现风电系统降本增效,在此基础上为风电系统中数据的管理与共享提出了相应的建议。 相似文献
9.
10.
11.
电力系统日前负荷预测关系到电力系统的调度运行和生产计划,准确的日前负荷预测有助于提高电网运行的安全性和稳定性,能够节约发电成本。随着电力市场的建立和发展,短期负荷预测将发挥越来越重要的作用。文中系统分析了电力系统日前短期负荷预测的相关方法,包括短期负荷预测传统方法、短期负荷预测智能方法以及短期负荷预测最新方法,对各种不同方法的基本原理和优缺点进行了描述。提出提高短期负荷预测的精度不仅重视历史数据的积累,更应注重选择合适的预测模型,综合预测模型是未来电力负荷预测方法的发展方向。 相似文献
12.
13.
人民币／美元汇率短期预测的神经网络模型研究 总被引：1，自引：0，他引：1
本文研究利用人工神经网络建立人民币／美元汇率短期预测模型的必要性及可行性，探讨了一种改进的误差反向传播算法，建立了人民币／美元汇率短期预测的神经网络模型。结果表明，该模型具有较高的预测精度。 相似文献
14.
小波神经网络是建立在小波理论基础上的一种新型前馈神经网络,具有许多优良特性。本文分析了小波神经网络的特点,建立了电力负荷的小波神经网络预测模型,设计了小波神经网络结构,给出了小波网络参数调节算法。对实际电力负荷预测算例,以及与BP网络的对比研究实验表明,小波神经网络对非平稳信号能进行有效地预测,比BP神经网络具有更高的预测精度。 相似文献
15.
16.
17.
改进神经网络与小波分析结合的电力负荷预测方法研究及应用 总被引：1，自引：0，他引：1
本文充分考虑神经网络与小波分析的结合建立改进神经网络与小波分析结合的电力负荷预测模型,系统的不同输入数据通过不同的子模块预测,最终以预测结果初始化作为出口.输出的结果可以通过判断模块后再次作为负荷预测子系统的部分输入数据重复预测.实例结果表明该方法具有很高的预测精度和较强的适应能力. 相似文献
18.
19.
为了及时有效地对建筑物的变形进行预测,将多小波、Kalman滤波与神经网络三者有机地结合起来建立了一种新的变形预测方法：基于扩展Kalman滤波（简称为EKF）的多分辨正交多小波神经网络变形预测模型。通过变形预测实验表明该方法具有较高的精度,较快的速度,一种较好的组合预测方法。 相似文献
20.
针对神经网络在非数学模型预测中所面临的3个主要问题,提出了一种基于BP_Adaboost算法的预测模型对燃气负荷进行短期预测。预测结果表明,该模型与BP神经网络相比,不但提高了预测精度和泛化能力,而且更能满足具有非线性、时变性和不确定性的负荷预测的需要,具有较好的应用前景。 相似文献