排序方式: 共有50条查询结果,搜索用时 15 毫秒
1.
随着并网光伏发电容量的持续增加及多能源发电协同利用的需要,光伏发电功率的高精度预测对于提高规模化光伏发电的优化调度和安全运行日益重要。为了解决单一预测模型精度低的问题,提出了一种基于季节气象特征划分的光伏发电多模型预测方法。通过不同季节下光伏发电系统的电气特性和出力特性分析,说明了按照季节来划分功率预测多模型的必要性。以某光伏电站为例,利用BP神经网络建立不同季节的光伏发电预测模型,通过遗传算法优化了季节模型参数。利用实测数据对2种功率预测方法进行了比较,结果表明,该方法能有效提高光伏电站的功率预测精度。 相似文献
2.
3.
4.
数字阵列雷达方位超分辨角度估计的仿真 总被引:1,自引:1,他引:0
基于幅度比较单脉冲方法的测角局限性,采用先进的阵列超分辨测向技术MUSIC算法,对处于同一距离门和频率门的2个目标,在纯噪声背景和杂波背景下进行了波达方向(DOA)估计,对不同的信噪比和目标进入角度,仿真了目标的分辨情况并计算了DOA角度估计的精度,证明了机载雷达方位超分辨角度估计可以较好地实现落入清晰区或者副瓣杂波区目标的角度分辨与精度估计,但是对目标的信噪比和进入角度有一定的要求. 相似文献
5.
6.
7.
准确预测光伏发电功率对电力系统运行调度至关重要。提出一种基于Spearman相关系数和分时长短期记忆网络的光伏发电功率预测方法。首先利用Spearman相关系数分析每个时刻下影响光伏发电功率的因素,选取相关度高的影响因素作为长短期记忆网络模型的输入变量;然后,对每个时刻建立一个基于长短期记忆网络的预测模型,实现分时光伏发电功率的预测。最后,利用实际光伏发电站的历史发电功率和数值天气预报数据进行案例分析。结果表明,所提方法比单一长短期记忆网络预测模型具有更高的预测精度。 相似文献
9.
10.
分布式光伏系统在电网中的应用越来越广泛,光伏波动性强,稳定性差,其大规模接入不仅增加了配电网结构的复杂性,而且使电力系统的调节更加困难,给电网运行带来不利的影响.本文主要研究了含大规模分布式电源配电网的集群划分和无功优化问题.首先应用PSO改进的K-means聚类算法,找出较好的初始聚类中心,然后根据节点间的电气距离,对配电网进行集群划分.以节点的电压偏移总量和线路的有功损耗最小作为目标,采用动态调整粒子群算法对电力系统进行无功优化.最后在Matlab平台上仿真验证了所提集群划分和无功优化方法的有效性. 相似文献