典型文献
基于卷积神经网络的新能源光伏电站发电功率预测方法
文献摘要：
基于卷积神经网络设计了一种新能源光伏电站发电功率预测方法.在全面分析辐照度的变化规律后,选定年度内各个日期的序号、辐照度平均数、环境温度平均数等预测因子,利用灰色关联分析法在历史数据中选取一个最贴近预测日温度的相似日,将该相似日的预测因子值输入卷积神经网络预测模型中,结合小波分解技术拆分原始数据以提升模型预测精度.根据实验结果可知:应用该方法后,各类型天气下发电功率预测的希尔不等系数最大值不超过0.085,说明该方法能够助力电力调度平稳运行.由实验结果可知,电站在晴天的发电功率随太阳辐射强度同步产生变化,阴天及雨天发电功率波动幅度较大,由此可以实现针对不同天气的智能发电功率预测与调控.
文献关键词：
卷积神经网络;新能源;光伏电站;发电功率
中图分类号：
作者姓名：
张健
作者机构：
国电投安徽生态能源有限公司,安徽 合肥 230001
文献出处：
引用格式：
[1]张健-.基于卷积神经网络的新能源光伏电站发电功率预测方法)[J].机械设计与制造工程,2022(10):69-73
A类：
B类：
光伏电站,发电功率预测,网络设计,辐照度,定年,序号,平均数,预测因子,灰色关联分析法,历史数据,相似日,神经网络预测模型,小波分解技术,拆分,原始数据,希尔,电力调度,晴天,太阳辐射强度,阴天,雨天,功率波动,波动幅度,不同天气,智能发电
AB值：
0.233605
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。
