风力发电功率预测的技术进展与展望被引量：4

Technical Progress and Prospects of Wind Power Forecasting

在线阅读下载PDF

导出

摘要对风力发电功率预测的进展进行相关研究,包括目前使用的技术及其问题,以及正在研究中的一些预测方法,并对这一领域的研究方向进行了进一步展望。

作者韩韫洲

机构地区华北电力大学

出处《电力设备管理》 2021年第9期130-132,共3页 Electric Power Equipment Management

关键词风电发电功率预测预测方法预测模型人工智能

分类号 F42 [经济管理—产业经济]

引文网络
相关文献

参考文献2

1刚毅凝,金成明,丁一,佟晓宁,徐志勇.深度神经网络在风电功率预测中的应用研究[J].信息技术,2020,44(1):150-152. 被引量：8
2曹有为,闫双红,刘海涛,郭力.基于降噪时序深度学习网络的风电功率短期预测方法[J].电力系统及其自动化学报,2020,32(1):145-150. 被引量：15

二级参考文献14

1丁明,张立军,吴义纯.基于时间序列分析的风电场风速预测模型[J].电力自动化设备,2005,25(8):32-34. 被引量：185
2吴国旸,肖洋,翁莎莎.风电场短期风速预测探讨[J].吉林电力,2005,33(6):21-24. 被引量：71
3孙春顺,王耀南,李欣然.小时风速的向量自回归模型及应用[J].中国电机工程学报,2008,28(14):112-117. 被引量：76
4范高锋,王伟胜,刘纯,戴慧珠.基于人工神经网络的风电功率预测[J].中国电机工程学报,2008,28(34):118-123. 被引量：363
5周松林,茆美琴,苏建徽.基于主成分分析与人工神经网络的风电功率预测[J].电网技术,2011,35(9):128-132. 被引量：135
6周洪煜,曾济贫,王照阳,赵乾.基于混沌DNA遗传算法与PSO组合优化的RNN短期风电功率预测[J].电力系统保护与控制,2013,41(2):144-149. 被引量：14
7丁明,张超,王勃,毕锐,缪乐颖,车建峰.基于功率波动过程的风电功率短期预测及误差修正[J].电力系统自动化,2019,43(3):2-9. 被引量：46
8肖迁,李文华,李志刚,刘金龙,刘会巧.基于改进的小波-BP神经网络的风速和风电功率预测[J].电力系统保护与控制,2014,42(15):80-86. 被引量：61
9马斌,张丽艳.一种基于径向基神经网络的短期风电功率直接预测方法[J].电力系统保护与控制,2015,43(19):78-82. 被引量：32
10盛四清,张立.考虑风光荷预测误差的电力系统经济优化调度[J].电力系统及其自动化学报,2017,29(9):80-85. 被引量：26

共引文献21

1黄文聪,张宇,张隽怡,谢博,常雨芳.基于时间序列突变误差校正的超短期风速联合预测模型[J].昆明理工大学学报（自然科学版）,2020(4):73-84. 被引量：4
2徐送宁,孙树滋.N^+注入Ag薄膜晶体生长机制的研究[J].沈阳工业学院学报,2000,19(1):8-11.
3王茀玺,李晓平,陈新果,王玮,宫敬.压缩机实际能头特性的深度学习网络预测方法[J].油气储运,2020,39(4):459-466. 被引量：5
4赵晋泉,夏雪,徐春雷,胡伟,尚学伟.新一代人工智能技术在电力系统调度运行中的应用评述[J].电力系统自动化,2020,44(24):1-10. 被引量：103
5刘传波.基于情报大数据的目标活动规律分析[J].舰船电子工程,2021,41(3):37-41. 被引量：1
6王瑞,闫方,逯静,杨文艺.运用Dropout-LSTM模型的新冠肺炎趋势预测[J].电子科技大学学报,2021,50(3):414-421. 被引量：16
7李丽敏,张明岳,温宗周,郭伏,张俊,何洋.基于奇异谱分析法和长短时记忆网络组合模型的滑坡位移预测[J].信息与控制,2021,50(4):459-469. 被引量：14
8郭杰,苏路,朱海浪,陈卫东.基于IBAS-BP神经网络的短期风电功率预测[J].信息技术,2021,45(10):38-43. 被引量：8
9邓亚平,段建东,贾颢,王璐,同向前.基于布谷鸟算法优化独立循环神经网络深度学习的超短期风电功率预测[J].电网与清洁能源,2021,37(9):18-26. 被引量：19
10王瑞,闫方,逯静,杨文艺.运用相似日和LSTM的短期负荷双向组合预测[J].电力系统及其自动化学报,2022,34(1):93-99. 被引量：11

同被引文献32

1林春燕,朱东华.基于Elman神经网络的股票价格预测研究[J].计算机应用,2006,26(2):476-477. 被引量：40
2S.P.Mishra,P.K.Dash.Short Term Wind Speed Prediction Using Multiple Kernel Pseudo Inverse Neural Network[J].International Journal of Automation and computing,2018,15(1):66-83. 被引量：5
3李琛,郭文利,吴进,金晨曦.基于BP神经网络的北京夏季日最大电力负荷预测方法[J].气候与环境研究,2019,24(1):135-142. 被引量：35
4段慧云,汪洋青.人工智能技术在风电机组智能巡检中的应用[J].科学技术创新,2019(30):155-156. 被引量：6
5韩自奋,景乾明,张彦凯,拜润卿,郭空明,章云.风电预测方法与新趋势综述[J].电力系统保护与控制,2019,47(24):178-187. 被引量：72
6于锦春.风力发电自动化控制系统中智能化技术的运用[J].通信电源技术,2020,37(3):145-146. 被引量：16
7韩岩.对信息化控制技术在风力发电控制系统中运用的思考[J].科技创新导报,2019,16(34):1-1. 被引量：11
8吴续明.风力发电集控中心的信息化建设[J].智能城市,2020,6(5):62-63. 被引量：7
9吴磊.智能化技术在风电系统中的应用[J].电子世界,2021(1):176-177. 被引量：3
10张泰豪,殷锋,袁平.风速及风功率预测方法综述[J].现代计算机,2021,27(8):45-48. 被引量：4

引证文献4

1李耀光.人工智能技术在风力发电领域的运用[J].信息与电脑,2021,33(22):159-161. 被引量：2
2李超,姜明洋.基于Elman神经网络的风速时间序列预测实例[J].现代信息科技,2023,7(3):66-69. 被引量：1
3杨绍祖,王海程,吴金雅,马纪颖.基于STAGCN-Informer时空组合模型的风电功率预测方法[J].计算机与现代化,2024(7):13-20.
4白语轩.基于D-S证据理论的风力发电功率多模型集成预测[J].电力设备管理,2025(3):151-153.

二级引证文献3

1尹哲.风力发电领域人工智能技术运用分析[J].电力设备管理,2024(1):166-168.
2卢帮强,魏堃蓉.以Elman神经网络为基础的水稻生长预测分析[J].河北农机,2024(23):106-108.
3朱建成.“人工智能+”背景下的风力发电技术探析[J].电力设备管理,2024(24):129-131.

1崔佳楠,张皓若,汪晓露.数说能源:我国新能源电站资产交易分析[J].中国电力企业管理,2021(22):66-68.
2秦春艳.新疆风电产业发展现状及对策建议[J].企业改革与管理,2021(14):219-220. 被引量：2

电力设备管理

2021年第9期

浏览历史

内容加载中请稍等...

风力发电功率预测的技术进展与展望被引量：4

参考文献2

二级参考文献14

共引文献21

同被引文献32

引证文献4

二级引证文献3

相关作者

相关机构

相关主题

浏览历史

风力发电功率预测的技术进展与展望 被引量：4

参考文献2

二级参考文献14

共引文献21

同被引文献32

引证文献4

二级引证文献3

相关作者

相关机构

相关主题

浏览历史

风力发电功率预测的技术进展与展望被引量：4