控制工程
控製工程
공제공정
CONTROL ENGINEERING OF CHINA
2013年
2期
372-376
,共5页
刘士荣%李松峰%宁康红%周啸波%荣延泽
劉士榮%李鬆峰%寧康紅%週嘯波%榮延澤
류사영%리송봉%저강홍%주소파%영연택
光伏发电系统%相似日%极端学习机%发电功率预测
光伏髮電繫統%相似日%極耑學習機%髮電功率預測
광복발전계통%상사일%겁단학습궤%발전공솔예측
为了进一步提高光伏发电功率的预测准确度,首次将极端学习机方法(ELM)和相似日方法结合并引入光伏发电功率短期预测领域.通过分析影响光伏发电功率的各个因素,分时段预测光伏发电功率.该方法在不同时间段中利用相似日评价函数选取历史相似日,结合预测日的天气因素,采用极端学习机对预测日对应时段的发电功率进行预测.通过对预测效果进行比较和分析,结果表明该方法比传统的神经网络预测算法有更好的预测效果.
為瞭進一步提高光伏髮電功率的預測準確度,首次將極耑學習機方法(ELM)和相似日方法結閤併引入光伏髮電功率短期預測領域.通過分析影響光伏髮電功率的各箇因素,分時段預測光伏髮電功率.該方法在不同時間段中利用相似日評價函數選取歷史相似日,結閤預測日的天氣因素,採用極耑學習機對預測日對應時段的髮電功率進行預測.通過對預測效果進行比較和分析,結果錶明該方法比傳統的神經網絡預測算法有更好的預測效果.
위료진일보제고광복발전공솔적예측준학도,수차장겁단학습궤방법(ELM)화상사일방법결합병인입광복발전공솔단기예측영역.통과분석영향광복발전공솔적각개인소,분시단예측광복발전공솔.해방법재불동시간단중이용상사일평개함수선취역사상사일,결합예측일적천기인소,채용겁단학습궤대예측일대응시단적발전공솔진행예측.통과대예측효과진행비교화분석,결과표명해방법비전통적신경망락예측산법유경호적예측효과.