• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>IFAC PapersOnLine >A Hybrid Approach for Day-Ahead Forecast of PV Power Generation
【24h】

A Hybrid Approach for Day-Ahead Forecast of PV Power Generation

机译：对光伏发电的日期预测的混合方法

获取原文
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

In the past years, the applications of solar energy have grown significantly in electricity generation. However, the fluctuations of PV power output create different negative impacts on reliability, stability, and dispatch in the connecting grid. The exact PV power generation forecast is thus crucial to stabilize the operation of a power grid. This paper presents a radial basis function neural network with decoupling method for day-ahead PV power generation forecast. Results are compared with autoregressive integrated moving average (ARIMA), back propagation neural network (BPNN), and radial basis function neural network (RBFNN), and the actual measured PV power outputs. It shows that the proposed model leads to more accurate and the computational efficient forecast on PV output.
机译：在过去几年中，太阳能的应用在发电中的发电量大。然而，光伏电源的波动会对连接网格中的可靠性，稳定性和派遣产生不同的负面影响。因此，精确的PV发电预测是至关重要的，以稳定电网的操作。本文提出了一种具有去耦方法的径向基函数神经网络，用于前方PV发电预测。结果与自回归综合移动平均（ARIMA），后传播神经网络（BPNN）和径向基函数神经网络（RBFNN）进行比较，以及实际测量的PV功率输出。它表明，所提出的模型导致更准确和对PV输出的计算有效预测。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号