期刊专题

10.3969/j.issn.1671-5292.2017.05.010

聚类分析在光伏发电量预测中的应用研究

成珂王亚昆郭黎明
西北工业大学;
引用
(0)
收藏
为了从光伏发电历年数据中筛选出有效样本,并提高光伏发电量预测模型的准确率,文章将聚类分析应用于光伏领域,并结合神经网络建立了光伏发电量预测模型.以晴天、多云和雨天3种天气类型为目标,利用聚类分析对历史数据中的异常样本进行筛选,并将筛选后的样本作为训练数据建立了反向传播(BP)神经网络预测模型.通过对比筛选前后预测模型的计算结果可知,利用聚类分析筛选后的数据所建立起来的预测模型精度较高,因此,聚类分析和BP神经网络相结合是提高光伏发电量预测精度的一种有效方法.

聚类分析、数据筛选、神经网络、光伏发电量预测、太阳能

35

TK514(特殊热能及其机械)

陕西省科学技术研究发展计划2015XT-07

2017-06-13(万方平台首次上网日期,不代表论文的发表时间)

共6页

696-701

暂无封面信息
查看本期封面目录

可再生能源

北大核心CSTPCD

1671-5292

21-1469/TK

35

2017,35(5)

开通阅读并同意
《万方数据会员(个人)服务协议》

专业内容知识聚合服务平台

国家重点研发计划“现代服务业共性关键技术研发及应用示范”重点专项“4.8专业内容知识聚合服务技术研发与创新服务示范”

国家重点研发计划资助 课题编号:2019YFB1406304
National Key R&D Program of China Grant No. 2019YFB1406304

©天津万方数据有限公司 津ICP备20003920号-1

信息网络传播视听节目许可证 许可证号:0108284

网络出版服务许可证:(总)网出证(京)字096号

违法和不良信息举报电话:4000115888    举报邮箱:problem@wanfangdata.com.cn

举报专区:https://www.12377.cn/

客服邮箱:op@wanfangdata.com.cn