登录
 机构网站
  1. 首页
  2. 情报产品
  3. 快讯详情

《基于小波分解的SARIMA-RVFL混合模型用于非常短期的太阳能光伏发电预测》

  • 来源专题：可再生能源
  • 编译者： pengh
  • 发布时间：2019-03-22

  • 一个非常短期的太阳能光伏发电预测可以非常有助于实时平衡运行在电力市场，这反过来将有利于能源供应商和客户。然而，太阳能光伏发电的间歇性给预测带来了误差。为了解决这一难题，本文研究了太阳能光伏发电时间序列的小波分解对其预测的影响。提出了一种基于最大重叠离散小波变换(MODWT)的神经网络混合模型。利用安装在印度理工学院Gandhinagar的屋顶太阳能光伏电站的太阳能光伏发电数据，开发并验证了预测模型。计算了各种数值预报精度指标，表明所提出的预报模型在精度和适应性方面均优于组成模型。

    ——文章发布于2019年9月

137浏览量
原文链接
相关报告

  • 《基于重复小波变换的ARIMA模型用于非常短期的风速预测》
    • 来源专题：可再生能源
    • 编译者：pengh
    • 发布时间：2019-01-16
    • 随着风电系统集成程度的提高，准确的风速预测技术是电网安全可靠运行的必要条件。自回归综合移动平均(ARIMA)等统计方法和基于小波变换(WT)的混合方法ARIMA (WT-ARIMA)模型是近年来在风速短期和极短期预测中较为流行的技术。然而，不同分解时间序列的预测误差对最终风速预测误差的贡献尚未分析。因此，本文探讨了ARIMA模型和WT-ARIMA模型在风速预测中的不足，提出了一种新的基于重复WT的ARIMA (RWT-ARIMA)模型，提高了非常短期风速预测的准确性。将提出的RWT-ARIMA模型与基准持续性模型进行了非常短期风速预测、ARIMA模型和WT-ARIMA模型的比较，对[Math Processing Error]1min、[Math Processing Error]3min、[Math Processing Error]5min、[Math Processing Error]7min、[Math Processing Error]10min等不同时间尺度的预测进行了比较。通过比较，证明了本文提出的RWT-ARIMA模型在非常短期风速预测中的优越性。 ——文章发布于2019年1月14日
    93浏览量
    原文链接

  • 《采用混合GASVM技术进行短期光伏发电预测》
    • 来源专题：可再生能源
    • 编译者：pengh
    • 发布时间：2019-03-27
    • 太阳能具有静态、清洁、无运动的特点，为缓解全球变暖、提高稳定性和效率做出了贡献，因此太阳能发电系统是最可行的能源发电资源之一。考虑到随机天气条件对光伏系统输出功率的影响，建立复杂预测模型的必要性迅速提高。本文提出了一种基于遗传算法的支持向量机(GASVM)模型，用于住宅规模光伏系统短期功率预测。GASVM模型首先使用SVM分类器对历史天气数据进行分类，然后使用集成技术对遗传算法进行优化。在本研究中，在迪肯大学安装了一个当地的气象站和光伏系统，以精确地监测周围的直接环境，避免了由于气象参数的远程采集(气象局)而造成的不准确。利用均方根误差(RMSE)和平均绝对百分误差(MAPE)对该模型的预测精度进行了评价。实验结果表明,该GASVM模型优于传统的SVM模型的差异大约669.624?W RMSE值和98.7648%的日军错误。 ——文章发布于2019年9月
    44浏览量
    原文链接