基于变量选择和DE-GWO算法的光伏发电功率预测

被引：17

作者：

杨少华 ^{[1
]}

李艾玲 ^{[1
]}

雍浩 ^{[1
]}

何瑛 ^{[1
]}

孙堃 ^{[2
,3
]}

机构：

[1] 国网宁夏电力有限公司经济技术研究院

[2] 华北电力大学经济与管理学院

[3] 华北电力大学智慧能源研究所

来源：

智慧电力 | 2018年 / 46卷 / 12期

关键词：

随机森林; 差分灰狼算法; 支持向量机; 光伏预测;

D O I：

暂无

中图分类号：

TM615 [太阳能发电];

学科分类号：

080811 [新能源发电与电能存储];

摘要：

随着光伏产业的迅猛发展,光伏发电量在电力交易市场所占份额越来越大。光伏发电自身间歇性和不可控等特征给电力系统的稳定性带来巨大冲击。为减少此类状况发生,需要提高光伏发电预测精度。但传统建模过程中经常由于输入变量维度过多,或是参数调整不当导致模型精度差。利用随机森林对初始输入变量进行重要性评价及筛选,利用差分灰狼算法对支持向量机模型参数进行优化。通过建立对比试验发现,在经随机森林降维和差分灰狼算法优化后的模型具有更高的预测精度,验证了该方法在光伏发电功率预测领域的可行性和有效性。

引用

页码：38 / 44

页数：7

共 21 条

[1]

基于贝叶斯-粒子群算法的微电网优化运行 [J].