·
搜索结果:找到“功率预测模型”相关结果165515条
排序: 按相关 按相关 按时间降序
  • 【期刊】 风电发电功率预测模型改进研究

    刊名:现代电子技术 作者:陈凯 关键词:风电发电 ; 功率预测 ; 优化控制 ; PID 机构:徐州工程学院 ; 徐州工程学院 年份:2017
    摘要:为了提高风力发电机的发电功率和使用效率,需要进行风电发电功率有效预测,实现电机优化控制。提出一种基于模糊PID的风电发电功率预测模型。首先建立风电发电机的电路模型,以风电发电机的输出目标电流、输出功率、励磁电流和动子电流等参量为约束参量模型,进行风电发电机的控制器模型设计。在优化控制模型中,根据基尔霍夫电压回路模型建立发电功率预测的模糊PID控制目标函数,并进行最优解求取,实现发电功率有效预测。实验结果表明,采用该方法进行风电发电功率预测的精度较高,收敛性较好,有效提高了风电发电机的输出效率。
  • 【期刊】 一种光伏系统短期功率预测模型

    刊名:电源技术 作者:刘沛汉[1] ; 吐尔逊·伊不拉音[2] ; 赵力[2] ; 贾娜[3] 关键词:光伏出力预测 人工神经网络 波动量统计规律 预测模型 机构:国家电网新疆电力公司昌吉供电公司 ; 国家电网新疆电力公司昌吉供电公司 年份:2017
    摘要:为提高光伏系统发电功率预测精度,优化系统的发电计划,减少电力系统运行成本,进而为系统调度和实时运行控制提供依据以有效减轻光伏发电系统接入对电网的影响,建立一种基于三层神经网络和功率波动特性的短期光伏出力预测模型。利用气象局已发布的日类型和温度信息挑选与预测日最相关的相似日,基于神经网络用相似日历史太阳辐照、温度、输出功率建立光伏系统出力初步预测模型;以预测日天气预报信息作为神经网络的输入获得预测日的功率预测值;基于由光伏系统相似日历史出力数据统计分析得到的波动量统计规律对初步预测结果加以修正,建立了具有较高精度的光伏系统出力预测模型。仿真结果表明该方法建立的预测模型具有较高精度,能够为调度运行人员提供决策辅助。
  • 【期刊】 一种光伏系统短期功率预测模型

    刊名:四川电力技术 作者:刘沛汉 ; 吐尔逊·伊不拉音 ; 赵力 关键词:光伏出力预测 ; 人工神经网络 ; 波动量统计规律 ; 预测模型 机构:新疆大学电气工程学院 ; 新疆大学电气工程学院 ; 国网新疆电力公司昌吉供电公司 年份:2015
    摘要:为提高光伏系统发电功率预测精度,优化系统的发电计划和减少电力系统运行成本,进而为系统调度和实时运行控制提供依据以有效减轻光伏发电系统接入对电网的影响,建立一种基于三层神经网络和功率波动特性的短期光伏出力预测模型。首先利用气象局已发布的日类型和温度信息挑选与预测日最相关的相似日,再基于神经网络将相似日历史太阳辐照、温度、输出功率建立光伏系统出力初步预测模型;然后以预测日天气预报信息作为神经网络的输入来获得预测日的功率预测值;最后基于数学量化的由光伏系统相似日历史出力数据统计分析得到的波动量统计规律对初步预测结果加以修正,建立了具有较高精度的光伏系统出力预测模型。仿真结果表明,该方法建立的预测模型具有较高的精度,进而为调度运行人员提供决策辅助。
  • 【期刊】 基于改进MNN光伏发电功率预测模型

    刊名:电子设计工程 作者:王大虎 ; 贾倩 ; 林红阳 关键词:模块化神经网络 ; 回声状态网络 ; 电力系统 ; 光伏发电功率预测 ; 天气类型 机构:河南理工大学电气工程与自动化学院 ; 河南理工大学电气工程与自动化学院 ; 国网福建省电力有限公司经济技术研究院 年份:2018
    摘要:针对光伏发电的不确定性导致频率波动和电力系统不稳定带来的不利影响,本文采用改进模块化神经网络(MNN)对光伏发电功率进行预测,即利用回声状态网络代替MNN中原训练子模块模型。首先按季节输入历史数据;再经任务分解模块将数据分为不同天气类型的子数据,与预测日及预测日前一日的平均温度作为子模型输入样本;利用回声状态网络作为预测模型,对相应输入样本训练与发电功率预测;最后经整合输出模块输出预测结果。结果表明,此方法较本文选用的其他方法预测精度提高28%以上。
  • 【期刊】 一种参数自调整风电功率预测模型

    刊名:东北大学学报:自然科学版 作者:翟军昌[1] ; 葛延峰[2] ; 梁鹏[3] ; 高立群[1] 关键词:风电功率预测 最小二乘法 滑动窗口 支持向量机 卡尔曼滤波 机构:东北大学信息科学与工程学院 ; 东北大学信息科学与工程学院 年份:2016
    摘要:为了提高风电功率预测精度,提出一种参数自调整风电功率预测模型.通过加权递推最小二乘(SWWRLS)方法建立预测模型,侧重当前数据对预测结果的影响,排除了历史数据对预测结果的干扰.模型通过加权递推的方法节省了存储空间,并且提高了模型对外界环境数据变化的自适应性.最后,分别采用支持向量机(SVM)方法、卡尔曼滤波(KF)方法和本文SWWRLS方法,以辽宁省某风电场的真实历史数据进行风电功率预测对比实验,实验结果表明,本文方法建立的模型具有较高的预测精度.
  • 【期刊】 基于EM-DRNN的风电功率预测模型

    刊名:电力科学与技术学报 作者:张智晟 ; 龚文杰 ; 于强 ; 常德政 关键词:类电磁机制算法 ; 对角递归神经网络 ; 风电功率预测 ; 风电场 机构:青岛大学自动化工程学院 ; 青岛大学自动化工程学院 ; 青岛供电公司 年份:2012
    摘要:提出基于类电磁机制算法的对角递归神经网络的风电功率预测模型.对角递归神经网络属于动态递归神经网络,具有较好的动态性能;类电磁机制算法模拟电磁场中带电粒子间吸引与排斥机制,可进行全局优化,具有好的收敛性能.模型采用类电磁机制算法对对角递归神经网络进行优化,可避免使神经网络训练陷入局部最小点,提高模型的预测精度.仿真结果表明,模型可有效降低预测误差,获得满意的预测精度.
  • 【期刊】 基于CS_BPNN的光伏发电功率预测模型研究

    刊名:价值工程 作者:何鑫 ; 耿东伟 ; 巨健 ; 俞文瑾 关键词:光伏发电 ; 功率预测 ; 灰色关联度分析 ; 相似日 ; 布谷鸟搜索算法 ; BP神经网络 机构:国网陕西省电力公司电力科学研究院 ; 国网陕西省电力公司电力科学研究院 ; 西北工业大学管理学院 ; 国网陕西省电力公司 年份:2019
    摘要:光伏发电功率预测对电网的安全稳定运行具有重要意义。通过数据预处理,运用灰色关联度分析计算时序相似度,提高了相似日选取的准确度。提出了基于布谷鸟搜索算法优化BP神经网络的光伏发电功率预测模型,并通过实验的方法分别对晴天、阴天和雨天三种天气类型下的光伏功率进行预测,将其与粒子群优化算法优化BP神经网络模型、BP神经网络模型进行对比。结果表明,基于布谷鸟搜索算法优化BP神经网络的光伏发电功率预测模型,在光伏发电功率预测领域具有更高的精度与稳定性。
  • 【期刊】 混合动力船舶负载功率预测模型研究

    刊名:控制工程 作者:高迪驹 ; 潘康凯 ; 王天真 关键词:混合动力船舶 ; 负载功率 ; 多分辨率小波神经网络 ; 混沌时间序列 ; 短期预测 机构:上海海事大学航运技术与控制工程交通运输行业重点实验室 ; 上海海事大学航运技术与控制工程交通运输行业重点实验室 年份:2019
    摘要:为了实现混合动力船舶的各动力源之间的最佳负载功率分配,构建了一种基于多分辨率小波神经网络(MRA-WNN)的混沌时间序列短期预测模型。将小波函数与尺度函数共同应用于网络基函数之中,首先从较大尺度上逼近时间序列的整体趋势,然后根据负载功率波动的大小,在不同尺度上逐层加入细节逼近,提高预测精度。由多分辨率解确定小波基函数的平移和伸缩参数,并结合多分辨率学习算法,能减少训练参数,提高计算速度。实验结果表明,MRA-WNN具有较高的预测精度,是混合动力船舶负载功率预测的一种有效方法。
  • 【期刊】 基于ESN的光伏发电功率预测模型研究

    刊名:青岛大学学报:工程技术版 作者:彭光虎[1] 马景超[2] 龚文杰[3] 段晓燕[3] 张智晟[1] 关键词:光伏发电功率预测 回声状态网络 储备池计算 新能源 机构:青岛大学自动化工程学院 ; 青岛大学自动化工程学院 年份:2015
    摘要:针对传统神经网络学习算法复杂且稳定性差的问题,本文基于回声状态神经网络,提出了光伏发电功率预测模型。回声状态神经网络的隐含层是一种动态储备池结构,具有回声状态属性,不仅增强了网络预测的稳定性,而且只需采用线性算法即可求得网络输出权值,简化了训练过程,同时克服了传统神经网络收敛速度慢和易陷入局部极小的问题。并利用实际光伏发电站的历史数据和气象数据进行仿真验证。仿真结果表明,ESN预测模型的平均预测误差和最大预测误差分别比BP-NN预测模型提高了13.52%和102.26%,表明ESN预测模型的预测精度明显高于BP-NN预测模型;而且无论从预测精度还是稳定性,ESN预测模型都好于BP-NN预测模型,从而验证了ESN预测模型的可行性。该研究为光伏发电功率模型的实用化提供了理论基础。
  • 【期刊】 基于ESN的光伏发电功率预测模型研究

    刊名:青岛大学学报:工程技术版 作者:彭光虎[1] 马景超[2] 龚文杰[3] 段晓燕[3] 张智晟[1] 关键词:光伏发电功率预测 回声状态网络 储备池计算 新能源 机构:青岛大学自动化工程学院 ; 青岛大学自动化工程学院 年份:2015
    摘要:针对传统神经网络学习算法复杂且稳定性差的问题,本文基于回声状态神经网络,提出了光伏发电功率预测模型。回声状态神经网络的隐含层是一种动态储备池结构,具有回声状态属性,不仅增强了网络预测的稳定性,而且只需采用线性算法即可求得网络输出权值,简化了训练过程,同时克服了传统神经网络收敛速度慢和易陷入局部极小的问题。并利用实际光伏发电站的历史数据和气象数据进行仿真验证。仿真结果表明,ESN预测模型的平均预测误差和最大预测误差分别比BP-NN预测模型提高了13.52%和102.26%,表明ESN预测模型的预测精度明显高于BP-NN预测模型;而且无论从预测精度还是稳定性,ESN预测模型都好于BP-NN预测模型,从而验证了ESN预测模型的可行性。该研究为光伏发电功率模型的实用化提供了理论基础。
  • 【期刊】 RBF-NN与BP-NN比较的风功率预测模型研究  

    刊名:《西部皮革》 作者:赵世磊 ; 孙振 ; 鲍铁柱 ; 李强 ; 张军 ; 李业顺 ; 郭路宣 ; 张永茂 ; 赵晓东 关键词:风电场 ; 功率预测 ; BP神经网络 ; RBF神经网络 机构:淄博供电公司 ; 淄博供电公司 年份:2016
    摘要:风电场输出功率预测对接入大量风电的电力系统运行有重要意义。本文探讨了RBF神经网络和BP神经网络两种训练方法。以中国北方某风电场的实际数据以及数值天气预报数据为依据,对RBF神经网络模型和BP神经网络模型进行了验证,最终研究并比较二者在风功率预测方面的差异。结果表明:对于风电场短期功率预测,RBF神经网络模型预测精度要好于BP神经网络模型,预测精度较高,且收敛速度较快,能够较好的拟合实际功率曲线。
  • 【期刊】 基于提升小波变换的风电功率预测模型

    刊名:电力科学与工程 作者:马立新 ; 吴檑 关键词:风电功率预测 ; 提升小波变换 ; 最小二乘支持向量机 机构:上海理工大学 ; 上海理工大学 ; 光电信息与计算机工程学院 年份:2018
    摘要:准确的风力发电功率预测对电网的供需平衡及系统稳定运行有着重要意义.针对风电功率波动性大和随机性问题,提出一种基于提升小波变换(Lifting Wavelet Transform,LWT)的预测模型.首先,将原始风电功率数据通过提升小波算法分解成低频序列和高频序列,从而达到降低信号波动性的目的,再分别对各个子序列构建最小二乘支持向量机(Least Squares Support Vector Machine,LSSVM)模型,并考虑到LSSVM参数的选择极大程度上影响着模型预测精度,采用改进的种群竞争算法(Improved Population Competitive Algorithm,IPCA)来优化LSSVM参数.通过数据和实际算例验证表明,采用提升小波变换进行分解明显提高了原始信号的稳定性,且相比于LSSVM和PSO-LSSVM模型,所提出的LWT-IPCA-LSSVM模型预测精度明显提高,具有理论指导意义和较好的工程应用前景.
上一页 1 2 3 4 5 6 7 8 9 10 下一页 跳转