首页期刊导航|重庆理工大学学报
期刊信息/Journal information
重庆理工大学学报
重庆理工大学
重庆理工大学学报

重庆理工大学

石晓辉

月刊

1674-8425

023-62769495

400050

重庆市九龙坡区杨家坪

重庆理工大学学报/Journal Journal of Chongqing Institute of Technology北大核心CSTPCD
查看更多>>本刊是中国学术期刊综合评价数据库来源期刊，中国科技核心期刊，重庆市一级期刊，教育部优秀期刊。主要刊登有创造性、探索性、开拓性的学术论文、科研成果报告、重要学术问题的评述和学科前沿的综述。
正式出版
收录年代

    混合特征筛选与分时Stacking的无地表辐照度光伏出力预测

    杨家豪张莲杨玉洁梁法政...
    253-260页
    查看更多>>摘要：针对国内太阳辐射观测站少,地表太阳辐射资料缺乏,导致难以精确地预测光伏发电功率的问题,提出一种无地表辐照度的预测方法.首先在原始数据上进行特征增广,并提出对数据进行逐时划分的思想,以进一步增强重要特征的相关性;其次,提出D-S证据理论对多种特征评分方法进行综合评分,以n比值法确定阈值实现对特征的筛选;最后,提出交叉验证方法以及对输入层进行Box-Cox正态变换实现对Stacking模型的改进,并对划分的样本集进行整合预测.实例分析表明,所提方法在所选预测日的准确率(CR)和合格率(QR)分别为0.948、1.000,相比未对数据进行处理的方法分别提升16.5％和20.3％,具有良好的预测精度,满足光伏出力预测的精度需求.

    太阳辐射光伏功率预测特征增广D-S证据理论Box-Cox正态变换分时预测

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    基于混合改进自适应粒子群算法的光伏MPPT控制

    樊立萍姚凌颖
    261-266页
    查看更多>>摘要：针对常规粒子群算法对部分遮光条件下多峰值光伏阵列的最大功率跟踪容易陷入局部最优等问题,引入混沌映射函数初始化种群,同时引入非线性动态惯性权重系数以及动态学习因子设计自适应粒子群优化算法,构建基于混合改进自适应粒子群(IAPSO)的最大功率点跟踪算法,解决粒子群算法在部分阴影条件下容易陷入局部最优以及稳态波动大等问题.结果显示,IAPSO算法能够适应光照条件的变化,实现光伏阵列快速、高精度的最大功率点跟踪,有效解决了常规最大功率点跟踪方法存在的局部最优、稳态振荡等问题.

    光伏系统部分阴影条件最大功率点跟踪自适应粒子群优化混合改进

      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据

    征稿启事

    封2,封3页
      原文链接:
    • 国家科技期刊平台
    • NETL
    • NSTL
    • 万方数据