文献类型：期刊文章

作　　者：贾凌云[1] 云斯宁[1] 赵泽妮[1] 李红莲[2] 王赏玉[3] 杨柳[3]

Jia Lingyun;Yun Sining;Zhao Zeni;Li Honglian;Wang Shangyu;Yang Liu(School of Materials Science and Engineering,Xi’an University of Architecture and Technology,Xi’an 710055,China;School of Information and Control Engineering,Xi’an University of Architecture and Technology,Xi’an 710055,China;School of Architecture,Xi’an University of Architecture and Technology,Xi’an 710055,China)

机构地区：[1]西安建筑科技大学材料科学与工程学院,西安710055 [2]西安建筑科技大学信息与控制工程学院,西安710055 [3]西安建筑科技大学建筑学院,西安710055

出　　处：《太阳能学报》

基　　金：国家重点研发计划(2018YFB1502902)。

年　　份：2022

卷　　号：43

期　　号：12

起止页码：88-97

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、CSCD、CSCD_E2021_2022、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：准确的太阳能发电功率短期预测是保证电力调度和大规模光伏并网的关键。该文对近年来光伏发电功率短期预测研究进展进行综述,并对影响光伏发电功率的各种气象因素进行相关性分析。针对用于光伏发电短期功率预测的人工神经网络模型和深度学习模型进行总结和评述。太阳辐照度是影响预测模型精度的主要气象参数。在光伏发电功率短期预测中,神经网络及其组合模型均表现出较好的预测精度,但组合模型整体上优于单一预测模型。

关 键 词：光伏发电 神经网络 预测  深度学习  相关性  

分 类 号：TM615]