排序方式: 共有2条查询结果,搜索用时 0 毫秒
1
1.
2.
以风能和太阳能为代表的新能源具有随机性、间歇性和波动性,对新能源发电功率进行预测是有效解决以上问题的途径。为解决可再生能源(Renewable Energies,REs)在电力网络中不断整合对电力供应系统去中心化带来的问题,提出了一种基于神经计算的预测模型。首先,获取不同的数据集,并介绍了数据使用方法;其次,对不同的人工神经网络(Artificial Neural Network, ANN)架构进行了深入研究,同时探讨了不同的输入特征,以及对预测结果不确定性的评估方法;最后,通过模拟实验表明在光伏发电方面,本模型的预测相对平均绝对误差(Relative Mean Absolute Error,RMAE)可以在夏季达到2.5%,在冬季达到0.5%。而在整个年度内,通过使用输入类别特征的减小均值,光伏和风力发电的RMAE分别可以达到1.7%和4.9%。这一方法的实施为地区可再生能源的集成提供了有力支持,同时也为应对可再生能源的波动性和不可控性提供了新的解决思路。 相似文献
1