收藏本站
《电力自动化设备》 2017年01期
收藏 | 投稿 | 手机打开
二维码
手机客户端打开本文

适用于小样本的神经网络光伏预测方法

张程熠  唐雅洁  李永杰  高强  江全元  
【摘要】:基于神经网络的短期光伏预测方法通常需要大量训练样本,对于新投运的光伏电站,历史运行数据的不足使得常规短期光伏预测方法难以应用。针对该问题,提出一种适用于小样本的双层神经网络单步光伏预测方法。根据光伏发电各环节影响因素的解耦特性,将常规单层神经网络拆分为双层网络,使每层网络具有简化的结构;用单步预测代替多步预测,降低神经网络的输入输出维数;基于统计分析,将天气影响因素有效整合到预测模型中,简化输入输出之间的映射关系。使用实际数据对所提光伏预测模型进行训练和验证,结果表明,所提方法可有效减少对训练样本数量的需求,同时保证预测的准确度。

手机知网App
【相似文献】
中国期刊全文数据库 前10条
1 纲;;经济情报网预测分网预测方法研讨会在宁波召开[J];科技信息;1987年11期
2 曹煜祺;张立梅;;光伏发电功率预测方法综述[J];黑龙江科学;2017年21期
3 杨茂;董骏城;刘铁;钟宏鸣;;两种基于自适应神经模糊推理系统的风功率预测方法[J];电测与仪表;2016年19期
4 潘国美;;对几种用电预测方法的探讨[J];上海电力;2000年02期
5 高僮;陈波涛;张海峰;;基于支持向量机回归的短期风速预测方法的研究[J];科技创新与应用;2016年36期
6 胡宁;;电力市场分析预测方法探讨[J];科技广场;2012年06期
7 王印松;苏子卿;;一种基于相邻风机测量数据相关性分析的风速预测方法[J];华北电力大学学报(自然科学版);2015年02期
8 李科;何茜;王璟;肖白;刘桐彤;房龙江;;城市电网总量负荷年最大值的双向预测方法[J];电测与仪表;2017年15期
9 王倩;赵红;徐向东;宋曦;王晶;;基于组合模型的电力预测方法[J];科学技术创新;2017年20期
10 刘维仲;;用电量预测方法及评价——河北省中远期用电量预测剖析[J];华北电力技术;1986年07期
中国重要会议论文全文数据库 前7条
1 刘明凤;修春波;;基于ARMA与神经网络的风速序列混合预测方法[A];2013年中国智能自动化学术会议论文集(第四分册)[C];2013年
2 杨滨源;;基于多模型融合学习的售电量预测方法[A];风能产业(2019年1月)[C];2019年
3 王世谦;苏娟;杜松怀;;基于小波变换和神经网络的短期风电功率预测方法[A];中国农业工程学会电气信息与自动化专业委员会、中国电机工程学会农村电气化分会科技与教育专委会2010年学术年会论文摘要[C];2010年
4 岳捷;;基于预测风速统计修正的风功率预测方法[A];风能产业(2017年10月)[C];2017年
5 刘波;李旭滨;;浅析电力系统负荷预测问题及处理方案[A];2015第一届世纪之星创新教育论坛论文集[C];2015年
6 冯国昌;耿媚;杜素周;孙思先;;预测方法在无功动态补偿中的应用及仿真[A];2001中国钢铁年会论文集(下卷)[C];2001年
7 刘耀年;王浩;何昌浩;何萍;;基于支持向量回归机的短期电力负荷预测[A];第十届全国电工数学学术年会论文集[C];2005年
中国重要报纸全文数据库 前1条
1 国网冀北电力有限公司 叶辛 汪鸿 薛晓强;基于容量利用小时的新型售电市场分析预测方法[N];华北电力报;2014年
中国博士学位论文全文数据库 前1条
1 李艳晴;风速时间序列预测算法研究[D];北京科技大学;2016年
中国硕士学位论文全文数据库 前10条
1 张旭;分布式光伏发电功率预测方法的实验研究[D];华北电力大学(北京);2018年
2 张鹏华;基于神经网络的分布式光伏电站短期功率预测[D];安徽理工大学;2017年
3 凌劲;基于滚动预测的短期风速预测方法及其误差分析[D];合肥工业大学;2016年
4 刘金晶;镍氢电池组快速充电功率预测方法[D];北方工业大学;2016年
5 李锁;超高压电力变压器内部绕组温升在线预测技术研究[D];长春工业大学;2018年
6 申振;基于轨迹特征的分布式光伏发电功率预测技术研究[D];东南大学;2017年
7 徐菁;光伏发电系统短期功率预测方法的研究[D];南昌大学;2016年
8 王梦然;主因隐藏型光伏电站功率的预测方法[D];深圳大学;2016年
9 王彬;基于神经网络的光伏电站功率预测[D];华北电力大学(北京);2017年
10 张莹;动力镍氢电池管理系统的研究[D];天津大学;2007年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62791813
  • 010-62985026