排序方式: 共有4条查询结果,搜索用时 46 毫秒
1
1.
以光伏阵列为研究对象,分析了辐照强度、温度以及日类型对光伏阵列出力的影响。建立了光伏短期功率预测最小二乘支持向量机LS-SVM模型。依据实验数据对模型进行了验证计算.并与BP神经网络模型做了比较,其中LS-SVM模型最大相对误差值为10.54%,平均绝对百分比误差(MAPE)为8.18%,绝对误差平方和平均值的均方根(RMSE)为0.4884,表明模型预测值离散化程度较小,所有预测点均与实际值非常接近,模型具有较好的拟合效果和泛化能力.可以有效地预测短期光伏发电功率。 相似文献
2.
3.
4.
以光伏微网储能系统为研究对象,提出一种融入光伏发电与负荷预测技术的储能系统模糊控制策略。该方案考虑了光伏输出功率随天气条件变化的随机性,建立了光伏短期功率预测最小二乘支持向量机(LSSVM)模型;考虑电力负荷影响因素的多样性与不确定性,基于灰色关联度(GRA)建立了电力负荷LS-SVM预测模型;考虑建立在偏远地区的微网系统,因分布式电源上网造成电能质量下降和电能传输过程的浪费,建立储能系统模糊控制策略,以确定电能最优分配及就地消纳,以保证系统能源利用效率。根据算例分析表明,该控制方案不仅可准确预测光伏微网能量,而且可提高储能系统运行效率,降低电能传输过程中线路损耗以及对电网电能质量的影响。 相似文献
1