基于克里格模型的光伏发电量预测

张玉; 黄睿; 张振涛; 张烈平

English

您当前的位置：

首页 >

文章列表页 >

基于克里格模型的光伏发电量预测

热力发电 2017年第3期

热能科学研究 | 更新时间：2025-09-28

- 基于克里格模型的光伏发电量预测
- Photovoltaic power generation prediction based on Krige model
- 作者机构：
  
  桂林理工大学机械与控制工程学院,广西,桂林,541004
- 作者简介：
- 基金信息：
- DOI：
  中图分类号： TM615
- 网络出版：2017-03-27，
  
  纸质出版：2017
- 稿件说明：
移动端阅览
张玉, 黄睿, 张振涛, 等. 基于克里格模型的光伏发电量预测[J]. 热力发电, 2017,(3).

ZHANG Yu, HUANG Rui, ZHANG Zhentao, et al. Photovoltaic power generation prediction based on Krige model[J]. Thermal Power Generation, 2017, (3).
张玉, 黄睿, 张振涛, 等. 基于克里格模型的光伏发电量预测[J]. 热力发电, 2017,(3). DOI：

ZHANG Yu, HUANG Rui, ZHANG Zhentao, et al. Photovoltaic power generation prediction based on Krige model[J]. Thermal Power Generation, 2017, (3). DOI：

摘要

受太阳辐射强度、地理纬度、气候等因素的影响，光伏发电系统输出功率波动性较大，而现有光伏发电量预测模型精度较低。本文提出基于克里格模型的光伏发电量预测，首先建立地表辐射强度模型，并分析辐射强度与光伏发电的关系，确定克里格插值方法与约束条件，然后根据原始样本计算权重系数，最后利用预测模型对未来几天进行发电量预测。实验结果表明，相对于 BP神经网络、马尔可夫链和灰色理论预测模型，克里格模型的适应性更强、准确率更高、误差更小。

Abstract

关键词

Keywords

references

浏览量

215

下载量

CSCD

文章被引用时，请邮件提醒。

提交

关联资源

机器学习在循环流化床锅炉技术中的应用进展

塔式太阳能热发电太阳倍数及储热时长优化研究

基于模糊支持向量机的光伏发电量预测

光伏发电系统模糊分段变步长算法最大功率点跟踪策略

基于克里格模型的光伏发电量预测

Photovoltaic power generation prediction based on Krige model

DOI：

摘要

Abstract

关键词

Keywords

references