修车大队一品楼qm论坛51一品茶楼论坛,栖凤楼品茶全国楼凤app软件 ,栖凤阁全国论坛入口,广州百花丛bhc论坛杭州百花坊妃子阁

oe1(光电查) - 科学论文

6 条数据
?? 中文（中国） ▾

  • [IEEE 2018年第二届能源互联网与能源系统集成会议(EI2) - 中国北京(2018.10.20-2018.10.22)] 2018年第二届IEEE能源互联网与能源系统集成会议(EI2) - 光伏电站功率预测系统

    摘要： 本文开发了一种基于频域识别的光伏电站功率预测系统。首先利用光伏电站的日运行数据，识别出电站的一阶加纯滞后（FOPDT）模型?；诟肍OPDT模型进行离散化处理，推导出用于功率预测的迭代计算公式。最终采用该迭代公式开发了便携式Python功率预测软件。数值实验中，通过应用真实数据验证了该预测软件的有效性。

    关键词： 太阳辐照度，Python，光伏电站，便携式，频率识别，功率预测

    更新于2025-09-23 15:23:52

  • 利用人工神经网络预测其他地点光伏太阳能系统的性能

    摘要： 光伏太阳能已遍布全球，在巴西这一能源近年来获得了相当大的发展空间，主要受能源?；贫Ｈ欢?，在太阳辐照度较低的地区安装该技术时，其发电效率会出现损失。作为对此的替代方案，可在安装前基于直接影响发电量的当地气候信息开展发电预测研究，从而验证系统实施的可行性并避免无效投资。因此，本研究旨在借助人工神经网络预测不同地区3kWp光伏系统的安装可行性。采用前馈网络进行训练，通过MatlabVR支持完成训练与验证，并将温度和太阳辐照度样本作为输入变量。通过性能评估方法，结果显示该应用具有良好前景——验证结果的均方根误差百分比（RMSE%）在13-20%范围内，相关系数R不低于0.93；预测结果的RMSE%约19-25%，平均功率值接近光伏系统实际发电量。

    关键词： 太阳辐射、可再生能源、电力系统、能源效率、功率预测、前馈、人工神经网络、均方根误差、太阳能光伏系统、分布式发电

    更新于2025-09-19 17:13:59

  • 基于改进鸡群优化算法-极限学习机模型的短期光伏功率预测

    摘要： 光伏发电受天气条件影响较大，且光伏电力对电网存在一定负面影响。电力部门采取弃光措施限制其并网，从而制约了清洁能源发电的发展。本研究旨在提出一种精准的短期光伏功率预测方法。基于极限学习机与智能优化器，构建新型短期光伏出力预测模型：首先采用相关系数法确定模型输入变量；其次改进鸡群优化算法以增强收敛性；进而利用改进鸡群优化算法优化极限学习机的权重与阈值，提升预测效果；最终采用改进鸡群优化-极限学习机模型进行不同天气条件下的光伏功率预测。测试结果表明，该模型的平均绝对百分比误差为5.54%，均方根误差为3.08%。该方法对电力系统经济调度及清洁能源发展具有重要价值。

    关键词： 极限学习机，模型驱动方法，光伏发电，智能优化器，功率预测

    更新于2025-09-16 10:30:52

  • 人工神经网络学习算法与训练数据集在太阳能光伏发电预测中的评估

    摘要： 准确预测太阳能光伏（PV）发电量对于有效控制和管理电网至关重要。本研究旨在提出一种高效的人工神经网络（ANN）模型，通过研究10种不同学习算法（即调整ANN内部参数以有效映射输入与输出的不同方式）和23组不同训练数据集（即实时气象变量与光伏发电数据的不同组合），实现计算耗时短且精准的日前发电量预测。重点考察历史风速、环境温度、全球太阳辐射、光伏发电量及年度时间戳等不同组合间的相关性，以构建高效的光伏发电预测模型。研究对象为约旦一座231千瓦交流并网光伏系统。研究发现：输入完整历史气象变量、光伏发电量及年度时间戳，并采用Levenberg-Marquardt（LM）学习算法的ANN模型，在计算成本较低的情况下提供了最精确的预测结果——相比文献中的持续性预测模型，其均方根误差（RMSE）、平均绝对误差（MAE）和决定系数（R2）性能指标分别提升了15%、1%和5%。

    关键词： 学习算法、训练数据集、太阳能光伏、持续性、人工神经网络、功率预测

    更新于2025-09-12 10:27:22

  • [2018年IEEE国际信息与自动化会议(ICIA) - 中国武夷山(2018.8.11-2018.8.13)] 2018年IEEE国际信息与自动化会议(ICIA) - 基于组件老化的光伏发电功率预测算法研究

    摘要： 通过精准的光伏功率预测，实现了电力系统调度的及时安全提升与各类供电工作的合理化安排。为此，本文针对基于相似日输出功率理论的光伏发电系统预测算法缺陷进行改进，在新算法中考虑了组件老化因素，从而得出更精确的功率预测结果。

    关键词： 光伏发电，预测算法，光伏板生命周期，功率预测

    更新于2025-09-11 14:15:04

  • 基于长短期记忆-反向传播的光伏电站短期功率预测

    摘要： 准确预测光伏系统的发电能力对保障电网稳定及正确制定调度安排至关重要。针对反向传播神经网络存在的时间缺陷与局部极小值问题，本文提出一种基于长短期记忆-反向传播网络的发电预测方法。在此基础上改进了传统预测数据集，并在文中列举的三种传统方法之外，提出第四种改进光伏电站短期发电预测的方法。与传统方法相比，基于改进数据集的长短期记忆-反向传播神经网络具有更低的预测误差。同时通过与多元线性回归、支持向量机的横向对比，证明长短期记忆-反向传播方法具有多重优势。本文提出的基于长短期记忆-反向传播神经网络的光伏电站短期发电预测方法，将为电网调度计划与优化运行提供依据。

    关键词： 光伏发电机、人工神经网络、长短期记忆、功率预测、长短期记忆-反向传播神经网络

    更新于2025-09-11 14:15:04