.png){kind=icon}
返回
Artificial intelligence enabled microgrid power generation prediction
.png){kind=icon}
OA
AI
DOI：10.1515/comp-2024-0010.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
光伏（PV）技术作为一种快速增长的可再生能源，是缓解气候变化和能源危机的关键技术之一，近年来已得到广泛应用。然而，光伏发电的波动性对电网系统产生不同负面影响，因此实现有韧性和可预测的光伏发电对稳定电网运行、保障电网安全以及促进大规模光伏发电整合至关重要。本文提出了一种基于机器学习技术的短期光伏发电预测方法，采用了XGBoost、SARIMA和长短期记忆网络（LSTM）算法。实验结果表明，所提出的韧性LSTM解决方案能够在最少输入数据条件下准确预测光伏发电量（R²约90%，均方根误差为0.028）。
Keyword:
PV generation
solar panel
machine learning
SARIMA
XGBoost
LSTM
Resilient
期刊
O
IF:
1.2
论文数:
7
被引数:
295
机构
引用论文
A Power Aware Long Short-Term Memory with Deep Brief Network Based Microgrid Framework to Maintain Sustainable Energy Management and Load Balancing一种基于深度摘要网络微电网框架的节能长短时记忆网络，用于维持可持续能源管理和负载平衡OAAI
OAAI分享收藏分享收藏Comparative analysis of data-driven methods online and offline trained to the forecasting of grid-connected photovoltaic plant production.png)
APPLIED ENERGY
APPLIED ENERGYIF11
PREAI
分享收藏XGBoostProceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining
OAAI
Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data MiningIF0
OAAI分享收藏
查看更多内容