本文選題：灰色關(guān)聯(lián)度分析 + 樣本擴張　； 參考：《太陽能學(xué)報》2017年11期

【摘要】：光伏出力準確預(yù)測是光伏并網(wǎng)安全運行的重要基礎(chǔ),樣本容量增大、計及多影響因素能有效提高光伏出力預(yù)測精度。以小時段為單位建立一種基于樣本擴張灰色關(guān)聯(lián)分析的光伏發(fā)電短期出力預(yù)測模型,擴張有限的樣本容量,能分析多因素影響。首先分析影響光伏出力的多種因素,通過灰色關(guān)聯(lián)度分析的方法對樣本進行分析,得到擴張最優(yōu)相似小時段樣本;通過遺傳算法對BP神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值進行優(yōu)化,并對神經(jīng)網(wǎng)絡(luò)進行訓(xùn)練;最后進行光伏出力預(yù)測。該文所建立的預(yù)測模型有效擴張了樣本容量,提高了突變天氣時預(yù)測準確度,有一定應(yīng)用價值。
[Abstract]:Accurate prediction of photovoltaic force is an important basis for the safe operation of photovoltaic grid. The sample size is increased and the precision of photovoltaic force prediction can be effectively improved by taking into account many factors. Based on the grey correlation analysis of sample expansion, a prediction model for short-term output of photovoltaic power generation is established in the unit of hours. The model can be used to analyze the influence of multiple factors by expanding the limited sample size. Firstly, the factors affecting photovoltaic output are analyzed, and the sample is analyzed by grey correlation analysis, and the sample in the extended optimal similar hour segment is obtained. The weight and threshold of BP neural network are optimized by genetic algorithm, and the weight and threshold of BP neural network are optimized by genetic algorithm. The neural network is trained and the photovoltaic force prediction is carried out at last. The prediction model established in this paper can effectively expand the sample size and improve the prediction accuracy of abrupt weather. It has certain application value.
【作者單位】： 東南大學(xué)電氣工程學(xué)院;
【分類號】：TM615

【相似文獻】

相關(guān)會議論文 前7條

1 史常亮;;對影響?zhàn)B蠶收益若干因素的灰色關(guān)聯(lián)度分析[A];云南省蠶學(xué)會第九屆二次理事擴大會暨云南省繭絲綢協(xié)會第一屆四次理事擴大會論文集[C];2011年

2 武慧;王曉東;王炯;周郁;;基于灰色關(guān)聯(lián)度分析的城市土地集約利用現(xiàn)狀評價[A];中國土地資源可持續(xù)利用與新農(nóng)村建設(shè)研究[C];2008年

3 劉孝永;高國強;呂鐵信;吳德芳;朱斗北;;山東推廣棉花品種主要農(nóng)藝性狀的灰色關(guān)聯(lián)度分析[A];第五屆核農(nóng)學(xué)青年科技工作者學(xué)術(shù)交流會論文集[C];2006年

4 王玉燕;申亮;;影響我國環(huán)保投資因素的灰色關(guān)聯(lián)度分析[A];2009中國控制與決策會議論文集（3）[C];2009年

5 張新主;曹明明;;灰色關(guān)聯(lián)度分析在耕地變化驅(qū)動力研究的應(yīng)用——以關(guān)中地區(qū)的耕地變化為例[A];中國地理學(xué)會2004年學(xué)術(shù)年會暨海峽兩岸地理學(xué)術(shù)研討會論文摘要集[C];2004年

6 敖學(xué)成;柳茜;陳艷;;西昌生態(tài)區(qū)紫花苜蓿引種適應(yīng)性的灰色關(guān)聯(lián)度分析[A];第三屆中國苜蓿發(fā)展大會論文集[C];2010年

7 王鐵軍;保麗萍;趙銀月;耿智德;;云南省大豆品種主要性狀的灰色關(guān)聯(lián)度分析[A];云南省作物學(xué)會2000—2003年優(yōu)秀論文選集[C];2004年

相關(guān)碩士學(xué)位論文 前3條

1 張麗麗;廣東省人口老齡化對居民消費的影響研究[D];廣東省社會科學(xué)院;2016年

2 黃濤;基于灰色關(guān)聯(lián)度分析的模糊群決策方法研究[D];華南理工大學(xué);2016年

3 董彩云;基于灰色馬爾可夫鏈對“十一”黃金周旅客接待量的預(yù)測及影響因素分析[D];湖南科技大學(xué);2016年

，

本文編號：1899400