电力自动化设备
電力自動化設備
전력자동화설비
ELECTRIC POWER AUTOMATION EQUIPMENT
2014年
8期
7-12
,共6页
王守相%王亚旻%刘岩%张娜
王守相%王亞旻%劉巖%張娜
왕수상%왕아민%류암%장나
经验模态分解%ELM神经网络%太阳能%辐照量%预测%模型
經驗模態分解%ELM神經網絡%太暘能%輻照量%預測%模型
경험모태분해%ELM신경망락%태양능%복조량%예측%모형
EMD%ELM neural network%solar energy%radiation%forecasting%models
准确的太阳能辐照量预测对于光伏发电系统具有重要意义.提出一种基于经验模态分解(EMD)和ELM神经网络的逐时辐照量组合预测模型.首先,根据预测日的环境信息,构建相似日逐时辐照量时间序列;然后,将时间序列进行EMD,分解为具有不同频率的信号,并对每个信号建立ELM神经网络预测模型;最后,将不同信号的预测值相加便可得到原始辐照量序列的预测值.算例比较表明,所提方法比传统的预测方法具有更高的预测准确度和更快的运算速度.
準確的太暘能輻照量預測對于光伏髮電繫統具有重要意義.提齣一種基于經驗模態分解(EMD)和ELM神經網絡的逐時輻照量組閤預測模型.首先,根據預測日的環境信息,構建相似日逐時輻照量時間序列;然後,將時間序列進行EMD,分解為具有不同頻率的信號,併對每箇信號建立ELM神經網絡預測模型;最後,將不同信號的預測值相加便可得到原始輻照量序列的預測值.算例比較錶明,所提方法比傳統的預測方法具有更高的預測準確度和更快的運算速度.
준학적태양능복조량예측대우광복발전계통구유중요의의.제출일충기우경험모태분해(EMD)화ELM신경망락적축시복조량조합예측모형.수선,근거예측일적배경신식,구건상사일축시복조량시간서렬;연후,장시간서렬진행EMD,분해위구유불동빈솔적신호,병대매개신호건립ELM신경망락예측모형;최후,장불동신호적예측치상가편가득도원시복조량서렬적예측치.산례비교표명,소제방법비전통적예측방법구유경고적예측준학도화경쾌적운산속도.
