研究目的
研究基于深度学习的光伏发电与负荷预测方法,以优化含光伏和电池储能系统的微电网应用经济性。
研究成果
该方法通过利用预测负荷和光伏发电量,实现了99.5%的最优率,为配备光伏与电池储能系统的纳米电网应用展现出显著经济效益。研究强调,若将社会经济因素和天气预报纳入模型,有望实现进一步优化。
研究不足
由于电池老化具有非线性特性,可能影响长期优化结果,本研究未将其纳入问题定义范畴。此外,该优化问题已被线性化处理,因而可能无法捕捉系统的全部非线性动态。
研究目的
研究基于深度学习的光伏发电与负荷预测方法,以优化含光伏和电池储能系统的微电网应用经济性。
研究成果
该方法通过利用预测负荷和光伏发电量,实现了99.5%的最优率,为配备光伏与电池储能系统的纳米电网应用展现出显著经济效益。研究强调,若将社会经济因素和天气预报纳入模型,有望实现进一步优化。
研究不足
由于电池老化具有非线性特性,可能影响长期优化结果,本研究未将其纳入问题定义范畴。此外,该优化问题已被线性化处理,因而可能无法捕捉系统的全部非线性动态。
加载中....
您正在对论文“[IEEE 2018年第53届国际大学电力工程会议(UPEC) - 英国格拉斯哥(2018.9.4-2018.9.7)] 2018年第53届国际大学电力工程会议(UPEC) - 基于光伏与电池的纳米电网负荷及光伏发电预测成本优化”进行纠错
纠错内容
联系方式(选填)
称呼
电话
单位名称
用途
期望交货周期
称呼
电话
单位名称
用途
期望交货周期