结合熵值法和极端学习机的短期光伏发电量预测

被引：4

作者：

唐平舟

陈镝

机构：

[1] 华北电力大学经济与管理学院

来源：

广东电力 | 2015年 / 28卷 / 10期

关键词：

熵值法; 极端学习机; 光伏发电预测; 径向基函数;

D O I：

暂无

中图分类号：

TM615 [太阳能发电];

学科分类号：

0807 ;

摘要：

由于光伏发电系统的并网运行会对电网产生周期性的冲击,影响电网的稳定运行,因此对光伏发电量的预测就显得尤为关键。基于此,提出采用熵值法和极端学习机(extreme learning machine,ELM)模型相结合的方法进行短期光伏发电量预测。将初始数据无量纲化后再进行熵值法处理,使用结合权重系数的数据训练网络,采用ELM模型进行发电量预测实验,将其预测结果与其他文献预测结果进行比较分析,结果表明,熵值法结合ELM模型方法的预测精度更高,运行速度更快。

引用

收藏

页码：15 / 19

页数：5

相关论文

共 10 条

[1] 光伏发电发展趋势分析 [J].

章激扬 ;

李达 ;

杨苹 ;

许志荣 ;

周少雄 .

可再生能源, 2014, (02) :127-132

[2] 基于核函数极限学习机的分布式光伏短期功率预测 [J].

刘念 ;

张清鑫 ;

李小芳 .

农业工程学报, 2014, 30 (04) :152-159

[3] 中国太阳能光伏发电的发展现状及前景 [J].

胡云岩 ;

张瑞英 ;

王军 .

河北科技大学学报, 2014, 35 (01) :69-72

[4] 主成分分析结合神经网络的光伏发电量预测 [J].

蒋浩 ;

洪丽 ;

张国江 .

电力系统及其自动化学报, 2013, 25 (06) :101-105

[5] 计及天气类型指数的光伏发电短期出力预测 [J].

袁晓玲 ;

施俊华 ;

徐杰彦 .

中国电机工程学报, 2013, 33 (34) :57-64+12

[6] 基于相似日和神经网络的光伏发电预测 [J].

李鹏梅 ;

臧传治 ;

王侃侃 .

可再生能源, 2013, (10) :1-4+9

[7] 光伏发电有功功率预测及其在电网频率控制中的应用 [J].

陈世慧 ;

阮大兵 .

电力系统保护与控制, 2013, 41 (20) :125-129

[8] 基于鲁棒LS-SVM在光伏发电预测中的应用 [J].

李洪珠 ;

贾威 ;

聂苓 ;

鄂小雪 .

计算机测量与控制, 2013, 21 (05) :1166-1167+1170

[9] 风力和太阳能光伏发电现状及发展趋势 [J].

张伯泉 ;

杨宜民 .

中国电力, 2006, (06) :65-69

[10] Terminal sliding mode control for maximum power point tracking of photovoltaic power generation systems [J].

Chiu, Chian-Song ;

Ouyang, Ya-Lun ;

Ku, Chan-Yu .

SOLAR ENERGY, 2012, 86 (10) :2986-2995