基于自适应学习模型的太阳辐射强度预测

陈金海; 刘贤荧

doi:10.16109/j.cnki.jldl.2025.05.004

欢迎来到能源电力期刊网！

English Version 读者登录期刊登录

您当前的位置：

首页 >

文章列表页 >

基于自适应学习模型的太阳辐射强度预测

人工智能在电力系统中的应用 | 更新时间：2025-11-18

- 基于自适应学习模型的太阳辐射强度预测
- 基于自适应学习模型的太阳辐射强度预测
- 吉林电力 2025年53卷第5期页码：5-9
- 作者机构：
  
  华电云南发电有限公司以礼河发电厂
- 作者简介：
- 基金信息：
- DOI：10.16109/j.cnki.jldl.2025.05.004
  中图分类号： TM615
- 纸质出版：2025
- 稿件说明：
移动端阅览
陈金海, 刘贤荧. 基于自适应学习模型的太阳辐射强度预测[J]. 吉林电力, 2025,53(5):5-9.

陈金海, 刘贤荧. 基于自适应学习模型的太阳辐射强度预测[J]. 2025, 53(5): 5-9.
陈金海, 刘贤荧. 基于自适应学习模型的太阳辐射强度预测[J]. 吉林电力, 2025,53(5):5-9. DOI： 10.16109/j.cnki.jldl.2025.05.004.

陈金海, 刘贤荧. 基于自适应学习模型的太阳辐射强度预测[J]. 2025, 53(5): 5-9. DOI： 10.16109/j.cnki.jldl.2025.05.004.

摘要

太阳能具有波动性和间歇性，其主要影响因素在于太阳辐射强度的动态变化。鉴于太阳辐射强度与太阳能发电负荷存在强线性相关性，为了更加准确地预测太阳能发电负荷，提出一种基于自适应学习的遗传算法反向传播神经网络构建模型的太阳辐射强度预测方法。该方法可以有效融合线性、非线性、时间序列等有效信息，实现准确预测。通过对太阳辐射强度的长期和短期实测值和预测值进行对比分析，结果表明，该模型可以有效预测长期和短期的太阳辐射强度，为太阳能发电负荷预测提供数据支撑。

Abstract

关键词

Keywords

references

侯慧,王晴,赵波,章雷其,吴细秀,谢长君.关键信息缺失下基于相空间重构及机器学习的电力负荷预测[J].电力系统保护与控制,2022(04).

Peter Craven,Grace Wahba.Smoothing noisy data with spline functions[J].Numerische Mathematik,1978(4).

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

暂无数据