一种光伏短期出力区间预测方法

发布时间：2021-03-20 21:46

　　该文建立基于相似日模糊信息粒化和Elman神经网络的光伏短期出力区间预测模型。首先对原始序列进行相似日的选取,然后将提取的样本利用模糊信息粒化进行处理,确定预测区间的上下界,并结合Elman神经网络分别预测,构建区间预测模型。仿真结果表明,所提出的区间预测方法具有较高的预测精度和实用价值。 

【文章来源】：太阳能学报. 2020,41(08)北大核心EICSCD

【文章页数】：7 页

【部分图文】：

2017年4月20日预测结果

2017年4月20日预测结果

2017年4月30日的粒化结果

【参考文献】：
期刊论文
[1]适用于小样本的神经网络光伏预测方法[J]. 张程熠,唐雅洁,李永杰,高强,江全元.  电力自动化设备. 2017(01)
[2]基于近邻传播聚类和回声状态网络的光伏预测[J]. 李乐,刘天琪.  电力自动化设备. 2016(07)
[3]基于改进BP-SVM-ELM与粒子化SOM-LSF的微电网光伏发电组合预测方法[J]. 单英浩,付青,耿炫,朱昌亚.  中国电机工程学报. 2016(12)
[4]地基云图结合径向基函数人工神经网络的光伏功率超短期预测模型[J]. 陈志宝,丁杰,周海,程序,朱想.  中国电机工程学报. 2015(03)
[5]基于动态贝叶斯网络的光伏发电短期概率预测[J]. 董雷,周文萍,张沛,刘广一,李伟迪.  中国电机工程学报. 2013(S1)
[6]光伏电源输出功率的非参数核密度估计模型[J]. 颜伟,任洲洋,赵霞,余娟,李一铭,户秀琼.  电力系统自动化. 2013(10)
[7]基于灰色神经网络组合模型的光伏短期出力预测[J]. 王守相,张娜.  电力系统自动化. 2012(19)
[8]最小二乘支持向量机在光伏功率预测中的应用[J]. 朱永强,田军.  电网技术. 2011(07)
[9]基于马尔可夫链的光伏发电系统输出功率短期预测方法[J]. 丁明,徐宁舟.  电网技术. 2011(01)
[10]改进的Elman模型与递归反传控制神经网络[J]. 时小虎,梁艳春,徐旭.  软件学报. 2003(06)



本文编号：3091724