該文建立基于相似日模糊信息�；虴lman神經(jīng)網(wǎng)絡(luò)的光伏短期出力區(qū)間預(yù)測模型。首先對原始序列進(jìn)行相似日的選取,然后將提取的樣本利用模糊信息粒化進(jìn)行處理,確定預(yù)測區(qū)間的上下界,并結(jié)合Elman神經(jīng)網(wǎng)絡(luò)分別預(yù)測,構(gòu)建區(qū)間預(yù)測模型。仿真結(jié)果表明,所提出的區(qū)間預(yù)測方法具有較高的預(yù)測精度和實(shí)用價(jià)值。 

【文章來源】：太陽能學(xué)報(bào). 2020,41(08)北大核心EICSCD

【文章頁數(shù)】：7 頁

【部分圖文】：

2017年4月20日預(yù)測結(jié)果

2017年4月20日預(yù)測結(jié)果

2017年4月30日的粒化結(jié)果

【參考文獻(xiàn)】：
期刊論文
[1]適用于小樣本的神經(jīng)網(wǎng)絡(luò)光伏預(yù)測方法[J]. 張程熠,唐雅潔,李永杰,高強(qiáng),江全元.  電力自動(dòng)化設(shè)備. 2017(01)
[2]基于近鄰傳播聚類和回聲狀態(tài)網(wǎng)絡(luò)的光伏預(yù)測[J]. 李樂,劉天琪.  電力自動(dòng)化設(shè)備. 2016(07)
[3]基于改進(jìn)BP-SVM-ELM與粒子化SOM-LSF的微電網(wǎng)光伏發(fā)電組合預(yù)測方法[J]. 單英浩,付青,耿炫,朱昌亞.  中國電機(jī)工程學(xué)報(bào). 2016(12)
[4]地基云圖結(jié)合徑向基函數(shù)人工神經(jīng)網(wǎng)絡(luò)的光伏功率超短期預(yù)測模型[J]. 陳志寶,丁杰,周海,程序,朱想.  中國電機(jī)工程學(xué)報(bào). 2015(03)
[5]基于動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)的光伏發(fā)電短期概率預(yù)測[J]. 董雷,周文萍,張沛,劉廣一,李偉迪.  中國電機(jī)工程學(xué)報(bào). 2013(S1)
[6]光伏電源輸出功率的非參數(shù)核密度估計(jì)模型[J]. 顏偉,任洲洋,趙霞,余娟,李一銘,戶秀瓊.  電力系統(tǒng)自動(dòng)化. 2013(10)
[7]基于灰色神經(jīng)網(wǎng)絡(luò)組合模型的光伏短期出力預(yù)測[J]. 王守相,張娜.  電力系統(tǒng)自動(dòng)化. 2012(19)
[8]最小二乘支持向量機(jī)在光伏功率預(yù)測中的應(yīng)用[J]. 朱永強(qiáng),田軍.  電網(wǎng)技術(shù). 2011(07)
[9]基于馬爾可夫鏈的光伏發(fā)電系統(tǒng)輸出功率短期預(yù)測方法[J]. 丁明,徐寧舟.  電網(wǎng)技術(shù). 2011(01)
[10]改進(jìn)的Elman模型與遞歸反傳控制神經(jīng)網(wǎng)絡(luò)[J]. 時(shí)小虎,梁艷春,徐旭.  軟件學(xué)報(bào). 2003(06)



本文編號：3091724