Loading...
机构名称:
¥ 1.0

1 摘要 — 准确预测不同时间范围内的太阳能光伏 (PV) 发电量对于能源管理系统的可靠运行至关重要。光伏电站的输出功率取决于非线性和间歇性环境因素,例如太阳辐照度、风速、相对湿度等。太阳能光伏电力的间歇性和随机性会影响估算的精度。为了应对这一挑战,本文提出了一种基于群体分解技术 (SWD) 的混合模型,作为一种短期 (15 分钟) 太阳能光伏发电量预测的新方法。该研究的原创贡献是调查使用 SWD 进行太阳能数据预测。从现场(已并网,土耳其 857.08 kWp Akgul 太阳能光伏电站)获得的每小时分辨率的太阳能光伏发电数据用于开发和验证预测模型。具体而言,分析表明,采用 SWD 技术的混合模型在阴天期间可提供高度准确的预测。

图 7. 混合预测结果。

图 7. 混合预测结果。PDF文件第1页

图 7. 混合预测结果。PDF文件第2页

图 7. 混合预测结果。PDF文件第3页

图 7. 混合预测结果。PDF文件第4页

图 7. 混合预测结果。PDF文件第5页

相关文件推荐

2025 年
¥2.0
2020 年
¥1.0
2025 年
¥1.0
2024 年
¥1.0
1900 年
¥1.0
2023 年
¥1.0
2015 年
¥1.0
2022 年
¥3.0
2023 年
¥4.0
2022 年
¥5.0
2024 年
¥1.0
2024 年
¥4.0
2024 年
¥7.0
2024 年
¥4.0
2023 年
¥3.0
2024 年
¥9.0
2019 年
¥1.0
1900 年
¥5.0
2024 年
¥1.0
2020 年
¥1.0
2018 年
¥1.0
2018 年
¥1.0
2011 年
¥25.0