基于PNN/PCA/SS-SVR的光伏发电功率短期预测方法

被引：48

作者：

王昕 ^{[1
]}

黄柯 ^{[2
]}

郑益慧 ^{[1
]}

李立学 ^{[1
]}

郎永波 ^{[3
]}

吴昊 ^{[3
]}

机构：

[1] 上海交通大学电工与电子技术中心

[2] 上海电力学院电气工程学院

[3] 国网吉林省电力有限公司延边供电公司

来源：

电力系统自动化 | 2016年 / 40卷 / 17期

基金：

国家自然科学基金重点项目; 上海市自然科学基金;

关键词：

光伏发电功率预测; 概率神经网络; 主成分分析法; 分散搜索; 支持向量机回归;

D O I：

暂无

中图分类号：

TM615 [太阳能发电];

学科分类号：

0807 ;

摘要：

光伏发电功率预测对太阳能开发利用、电网稳定安全运行具有重要意义。提出一种融合了概率神经网络(PNN)、主成分分析法(PCA)、分散搜索(SS)和支持向量机回归(SVR)的光伏输出功率预测模型。首先结合天气信息通过PNN将天气划分为晴、多云、阴、雨4种类型,然后在每种天气类型下,利用PCA对影响光伏出力的多个气象因素,如太阳辐射强度、温度和相对湿度等进行降维、转换成少数几个主成分作为输入向量,最后建立SS算法优化SVR的光伏发电功率短期预测模型。结果表明,该模型实现了对不同天气类型下的光伏出力较为精准的预测,具有一定的可行性及指导意义。

引用

页码：156 / 162

页数：7

共 19 条

[1] 基于遗传算法—模糊径向基神经网络的光伏发电功率预测模型 [J].