期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
1
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于Spiking神经网络的光伏系统发电功率预测
被引量：
10
1
作者
陈通
孙国强
+3 位作者
卫志农
李慧杰
CHEUNG KWOK W
孙永辉
《电力系统及其自动化学报》
CSCD
北大核心
2017年第6期7-12,44,共7页
为了提高光伏系统发电功率预测的精度,本文提出一种基于Spiking神经网络(SNN)的预测模型。该神经网络采用精确脉冲时间的编码方式,更接近真实的生物神经系统,具有强大的计算能力。考虑季节类型、天气类型和大气温度等主要影响因素,该模...
为了提高光伏系统发电功率预测的精度,本文提出一种基于Spiking神经网络(SNN)的预测模型。该神经网络采用精确脉冲时间的编码方式,更接近真实的生物神经系统,具有强大的计算能力。考虑季节类型、天气类型和大气温度等主要影响因素,该模型采用灰色关联分析法选取相似日。本文应用实际光伏发电系统的数据分别对基于SNN、BP人工神经网络(BP-ANN)和支持向量机(SVM)的预测模型进行测试和评估。预测结果表明:SNN预测模型相比于BP-ANN和SVM模型有较高的预测精度和较强的适用性,可以为光伏系统发电功率预测提供一种可行方法。
展开更多
关键词
光伏系统
SPIKING神经网络
SpikeProp算法
相似日选择算法
发电功率预测
在线阅读
下载PDF
职称材料
题名
基于Spiking神经网络的光伏系统发电功率预测
被引量：
10
1
作者
陈通
孙国强
卫志农
李慧杰
CHEUNG KWOK W
孙永辉
机构
河海大学能源与电气学院
阿尔斯通
电网
技术
中心有限
公司
美国阿尔斯通电网技术公司
出处
《电力系统及其自动化学报》
CSCD
北大核心
2017年第6期7-12,44,共7页
基金
国家自然科学基金资助项目(51277052
51107032
61104045)
文摘
为了提高光伏系统发电功率预测的精度,本文提出一种基于Spiking神经网络(SNN)的预测模型。该神经网络采用精确脉冲时间的编码方式,更接近真实的生物神经系统,具有强大的计算能力。考虑季节类型、天气类型和大气温度等主要影响因素,该模型采用灰色关联分析法选取相似日。本文应用实际光伏发电系统的数据分别对基于SNN、BP人工神经网络(BP-ANN)和支持向量机(SVM)的预测模型进行测试和评估。预测结果表明:SNN预测模型相比于BP-ANN和SVM模型有较高的预测精度和较强的适用性,可以为光伏系统发电功率预测提供一种可行方法。
关键词
光伏系统
SPIKING神经网络
SpikeProp算法
相似日选择算法
发电功率预测
Keywords
photovohaic system （PVS）
Spiking neural network （SNN）
SpikeProp algorithm
similar day selection algo- rithm
power generation forecasting
分类号
TM615 [电气工程—电力系统及自动化]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于Spiking神经网络的光伏系统发电功率预测
陈通
孙国强
卫志农
李慧杰
CHEUNG KWOK W
孙永辉
《电力系统及其自动化学报》
CSCD
北大核心
2017
10
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
