典型文献
基于小波变换和优化的Elman神经网络的光伏功率预测
文献摘要：
准确地预测光伏发电功率,有利于提高电网系统运行的可靠性和经济性.分析各个气象因素对光伏发电功率的影响,确立了关键的气象因素,并利用小波分析获得气象因子样本集和光伏功率样本集不同频带下的小波系数作为神经网络的输入训练集,结合Elman神经网络建立不同天气条件下的光伏功率预测模型.提出基于自适应遗传算法优化的Elman神经网络模型,优化后的Elman神经网络在晴天、阴天、雨天3种情况下预测值的平均相对误差率分别为5.43％、8.26％、14.15％,相较于Elman神经网络分别降低了13.16％、16.61％、17.33％,改善了Elman神经网络的预测精度,提高了Elman神经网络的学习能力和泛化能力,验证了所提方法的有效性.
文献关键词：
光伏功率预测;气象因素;小波变换;改进Elman神经网络
中图分类号：
作者姓名：
孙子涵;姜志海;刘延龙;徐明宇
作者机构：
山东理工大学电气与电子工程学院,山东淄博 255000;国网黑龙江省电力有限公司电力科学研究院,黑龙江哈尔滨 150030
文献出处：
引用格式：
[1]孙子涵;姜志海;刘延龙;徐明宇-.基于小波变换和优化的Elman神经网络的光伏功率预测)[J].电网与清洁能源,2022(06):98-103,112
A类：
B类：
于小波,小波变换,Elman,光伏功率预测,测光,光伏发电功率,电网系统,气象因素,小波分析,得气,气象因子,子样本,样本集,频带,带下,小波系数,训练集,不同天气条件,功率预测模型,自适应遗传算法,遗传算法优化,晴天,阴天,雨天,平均相对误差,误差率,泛化能力
AB值：
0.288357
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
