检索结果-南通市图书馆

电力系统保护与控制 2010年第20期38卷 164-167页

作者：高阳朴在林张旭鹏冬雷郝颖沈阳农业大学辽宁沈阳110161 沈阳工程学院辽宁沈阳110136 辽宁电力勘测设计院辽宁沈阳110005 北京理工大学自动化学院北京100081

针对普通的ARMA模型的预测质量由于各种原因会大大降低的情况,依据富锦风电场风力发电量的时间序列,基于HOYW定阶方法建立了噪声场合下的ARMA模型。通过对模型残差白噪声性能的分析,验证了模型的适用性。应用此模型进行了预测分析,得到... 详细信息

针对普通的ARMA模型的预测质量由于各种原因会大大降低的情况,依据富锦风电场风力发电量的时间序列,基于HOYW定阶方法建立了噪声场合下的ARMA模型。通过对模型残差白噪声性能的分析,验证了模型的适用性。应用此模型进行了预测分析,得到的归一化平均绝对误差(NMAE)为0.0658。通过与普通的ARMA模型预测精度方面的对比,进一步验证了噪声场合下基于ARMA模型风力发电量预测的优越性。

关键词：风力发电量预测 ARMA模型噪声 HOYW法模型适用性归一化平均绝对误差

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于改进灰色模型与BP神经网络模型组合的风力发电量预测研究

引用

水电能源科学 2015年第4期33卷 203-205,163页

作者：孙佳王淳胡蕾南昌大学信息工程学院江西南昌330031 国网江西省电力科学研究院江西南昌330096

针对灰色模型在数据序列无规律的风力发电量预测中精度不高的问题,通过对原始数据的平滑处理改进灰色模型,并将改进的灰色模型与BP神经网络相结合构建组合预测模型,采用灰色关联法改进组合预测的权重系数。实例分析表明,改进的优选组合... 详细信息

针对灰色模型在数据序列无规律的风力发电量预测中精度不高的问题,通过对原始数据的平滑处理改进灰色模型,并将改进的灰色模型与BP神经网络相结合构建组合预测模型,采用灰色关联法改进组合预测的权重系数。实例分析表明,改进的优选组合模型预测的准确度高于单一模型及传统的优选组合预测模型。

关键词：风力发电量预测改进的灰色模型 BP神经网络模型改进的优选组合预测

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

人工智能神经网络在新能源微电网中的应用

引用

新疆大学学报（自然科学版） 2016年第4期33卷 444-448页

作者：苏尤丽汤建国新疆财经大学计算机科学与工程学院新疆乌鲁木齐830012

新能源微电网是较复杂的新型发配电系统.由于构成微电网的新能源风力发电的不稳定性,对微电网的稳定运行产生影响.使用人工智能方法预测负荷与风力发电量,能够提高预测精度,有利于微电网的能量管理与运行优化,对微电网的稳定运行具有重... 详细信息

新能源微电网是较复杂的新型发配电系统.由于构成微电网的新能源风力发电的不稳定性,对微电网的稳定运行产生影响.使用人工智能方法预测负荷与风力发电量,能够提高预测精度,有利于微电网的能量管理与运行优化,对微电网的稳定运行具有重要意义.本文应用人工智能神经网络技术,建立基于RBF(Radial Basis Function)神经网络的短期负荷预测模型和风力发电量预测模型,分别对未来24 h的短期负荷与风力发电量进行预测.预测结果与实测值的误差验证了提出方法的有效可行性.结果表明,基于RBF神经网络的短期负荷预测方法与风力发电量的预测方法都适用于微电网系统.

关键词：新能源微电网风力发电量预测短期负荷预测人工智能神经网络 MATLAB仿真

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于LSTM和ANN方法的短期风速预测

基于LSTM和ANN方法的短期风速预测

引用

作者： Sarfraz Muhammad 华北电力大学(北京)

学位级别：硕士

在可再生能源中,风力发电被认为是一种重要的清洁能源,是发展最快的可再生能源发电形式,这也是风能在最新研究中引起众多研究人员关注的原因。然而,由于风力发电具有随机性、非线性等特点,风力发电机组的功率预测是一项令人深思的工作... 详细信息

在可再生能源中,风力发电被认为是一种重要的清洁能源,是发展最快的可再生能源发电形式,这也是风能在最新研究中引起众多研究人员关注的原因。然而,由于风力发电具有随机性、非线性等特点,风力发电机组的功率预测是一项令人深思的工作。随着现代工业的发展,对经营、管理和合理利用风电的要求在过去几年一直受到关注。非线性和随机性的电力生产模式使得风电的规划非常具有挑战性。这背后的原因有许多,本文强调的因素是相对湿度、风(压力、速度、方向);也就是风力涡轮的物理部分。因此,本文的主要研究目标是建立智能技术,以便从不稳定的风能资源中推测未来的功率评估。从这个问题的重要性和严重性来看,准确预测风力发电的功率对于稳定有效地建立电网站以实现平稳供电具有紧迫性。为此,在区间预测和时间序列预测中引入了各种猜测原型,并利用风流量等主要驱动因子进行了检验,这些猜测原型大多是随机的、不均匀的。目前的风电功率预测模型主要集中在神经网络的部署上,神经网络能够很好地适应风速变化的区间和时间序列。相反,这些模型无法同时有效地预测风电场的整个时间序列数据。在这些模型中,融合不同的技术的概念化混合模型在过去的研究中被讨论。为了达到有效可靠地进行风能外推的目的,本文以LSTM和ANN两种模型为例,通过扩展不同的统计指标和区间指标,对两种神经网络构造的算法进行了探索,以保证最终的方法达到目的。结果表明,LSTM 比 ANN具有更高的估计精度,而且计算量小,即使它也实现了精确的预测结果,因此LSTM更受欢迎。

关键词：风力预测 LSTM(长-短期记忆) 可再生能源风力发电量预测人工神经网络

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于人工智能的海上风电场技术的应用及效益研究

引用

中国科技期刊数据库工业A 2024年第11期 138-141页

作者：孔龙明阳智慧能源集团股份公司广东中山528400

论文针对海洋风能发电与人工智能融合的相关技术进行探索,主题覆盖了挑选风电设备、设计风电场布局,以及设备运行的监控和风能发电量预测等领域。通过运用优化算法,模拟各种因素,使得人工智能在选型风电设备,以及规划风电场布局上,相较... 详细信息

论文针对海洋风能发电与人工智能融合的相关技术进行探索,主题覆盖了挑选风电设备、设计风电场布局,以及设备运行的监控和风能发电量预测等领域。通过运用优化算法,模拟各种因素,使得人工智能在选型风电设备,以及规划风电场布局上,相较传统抉择,效率更胜一筹,有助于提升风能利益的最大化和电力产出。进一步运用深度学习打造预测模型,能有效预测设备运行的风险,预估发电产量,降低运作成本,保障设备正常运行,提高预测的精准度。研究还指出,人工智能在风电技术的创新运用上,不仅提升了海洋风能发电技术的核心竞争力,也加快了国内海洋风能发电技术的步伐。这些研究成果对于推广和应用人工智能在海洋风能发电技术领域,具有不小的参考价值。

关键词：人工智能海上风电技术设备选型风电场布局风力发电量预测

来源：

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：