期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
基于Leaky-ESN的光伏发电输出功率预测 被引量:5
1
作者 胡海峰 伦淑娴 《电子设计工程》 2016年第17期15-17,共3页
利用PVSYSTEM系统产生的数据分析了光伏发电系统输出功率的主要影响因素,并且建立了基于泄露积分型回声状态网(Leaky-ESN)对光伏发电系统输出功率的预测模型。Leaky-ESN比起其他的神经网络具有训练方法简单,预测精度高的优点,因此将光... 利用PVSYSTEM系统产生的数据分析了光伏发电系统输出功率的主要影响因素,并且建立了基于泄露积分型回声状态网(Leaky-ESN)对光伏发电系统输出功率的预测模型。Leaky-ESN比起其他的神经网络具有训练方法简单,预测精度高的优点,因此将光伏发电影响因素的历史数据作为输入和训练样本,对模型输出功率进行预测。仿真结果表明,Leaky-ESN具有很高的预测精度。 展开更多
关键词 泄露积分型回声状态网 发电影响因素 历史数据 光伏输出功率预测
在线阅读 下载PDF
基于EOSSA-ELM的光伏短期输出功率预测 被引量:16
2
作者 陈骏嚎 张娜 +2 位作者 刘广忱 郭力萍 李静宇 《可再生能源》 CAS CSCD 北大核心 2022年第7期890-898,共9页
为了进一步提升光伏短期输出功率预测的精度,提出一种改进的基于精英反向策略的麻雀搜索算法(EOSSA)优化极限学习机(ELM)的光伏短期输出功率预测模型。EOSSA利用动态安全值和精英反向学习来优化ELM模型的输入权值及阈值,可以有效避免EL... 为了进一步提升光伏短期输出功率预测的精度,提出一种改进的基于精英反向策略的麻雀搜索算法(EOSSA)优化极限学习机(ELM)的光伏短期输出功率预测模型。EOSSA利用动态安全值和精英反向学习来优化ELM模型的输入权值及阈值,可以有效避免ELM陷入局部最优,提升预测精度。与传统的ELM模型、SSA优化的ELM模型和Elman神经网络模型的比较结果表明,EOSSA算法的收敛速度及精度均优于SSA算法。EOSSA-ELM模型对于不同天气状况的功率预测精度高,具有较高的实用价值。 展开更多
关键词 光伏输出功率 预测 麻雀搜素算法 极限学习机
在线阅读 下载PDF
基于改进麻雀搜索算法的光伏功率短期预测 被引量:11
3
作者 李争 罗晓瑞 +3 位作者 张杰 曹欣 杜深慧 孙鹤旭 《太阳能学报》 EI CAS CSCD 北大核心 2023年第6期284-289,共6页
为提高光伏输出功率预测精度、保证电网的优化调度和稳定运行,提出一种改进麻雀搜索算法(SSA)的光伏输出功率预测模型。首先,对实验平台收集到的历史数据进行分析,得到关键气候影响因素;然后,用经验模态分解和主成分分析法对数据进行维... 为提高光伏输出功率预测精度、保证电网的优化调度和稳定运行,提出一种改进麻雀搜索算法(SSA)的光伏输出功率预测模型。首先,对实验平台收集到的历史数据进行分析,得到关键气候影响因素;然后,用经验模态分解和主成分分析法对数据进行维稳和降维处理;并建立改进麻雀搜索算法的BP神经网络预测模型;最后,进行实例验证。结果表明,该预测模型在敛散精度方面有所提升。 展开更多
关键词 经验模态分解 主成分分析 改进麻雀搜索算法 光伏输出功率短期预测
在线阅读 下载PDF
分布式光伏状态监测与故障自诊断研究
4
作者 崔强 《新型工业化》 2022年第5期14-17,22,共5页
光伏电池的输出功率具有非线性特性,易受外界温度、光强等条件影响。光伏发电系统多采用最大功率点跟踪(maximum power point tracking,MPPT)技术来检测光伏发电状态与故障自诊断,从而保证输出功率。本文首先分析了外界环境因素变化对... 光伏电池的输出功率具有非线性特性,易受外界温度、光强等条件影响。光伏发电系统多采用最大功率点跟踪(maximum power point tracking,MPPT)技术来检测光伏发电状态与故障自诊断,从而保证输出功率。本文首先分析了外界环境因素变化对光伏发电系统的输出功率的影响;其次利用Matlab/Simulink搭建了包含升压(BOOST)电路和PWM控制模块的光伏发电系统仿真模型,并研究了电流型扰动观察法的MPPT的实现算法。仿真结果表明,在温度发生改变时,MPPT能够及时调节,实现最大功率点的跟踪,实现分布式光伏状态监测与故障自诊断,验证了仿真模型的正确性及MPPT策略的可靠性,该方法是比电导增量法具有更短寻优时间和更高精度的MPPT策略。 展开更多
关键词 电池输出功率 MPPT 电压型扰动观察法算法 系统仿真模型
在线阅读 下载PDF
光储系统Super-Twisting L_(2)增益自适应下垂控制 被引量:1
5
作者 刘雅芳 谷志锋 +3 位作者 李琳 张凯 刘靖波 李梦佳 《中国测试》 CAS 北大核心 2022年第5期102-107,115,共7页
为降低随机功率波动及模型参数不确定性对光储一体发电系统稳定性影响,基于传统下垂控制与变系数下垂控制方法,提出一种基于Super-Twisting L_(2)增益自适应的下垂控制方法。为验证所提方法的控制性能,与传统下垂控制以及基于电压变化... 为降低随机功率波动及模型参数不确定性对光储一体发电系统稳定性影响,基于传统下垂控制与变系数下垂控制方法,提出一种基于Super-Twisting L_(2)增益自适应的下垂控制方法。为验证所提方法的控制性能,与传统下垂控制以及基于电压变化率的下垂控制相比较,在两种不同光储发电模式下,开展仿真实验与对比分析。仿真结果证明:在光照强度的变化以及负载扰动的条件下,所提出的Super-Twisting L_(2)增益自适应下垂控制的电压波动幅度均比传统下垂控制与变系数下垂控制分别减少6.04%和1.14%,同时在保持光伏输出功率最大输出、下垂系数的快速反应动作等方面都要比传统下垂控制与基于电压变化率的控制性能更加优越。 展开更多
关键词 储微网 下垂控制 光伏输出功率 母线电压 Super-Twisting L_(2)增益自适应下垂控制
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部