基于IKFCM与多模态SSO优化SVR的光伏发电短期预测

被引：39

作者：

黄予春 ^{[1
]}

曹成涛 ^{[2
]}

顾海 ^{[3
]}

机构：

[1] 国网河南省电力公司漯河供电公司

[2] 华南理工大学

[3] 哈尔滨工业大学

来源：

电力系统保护与控制 | 2018年 / 46卷 / 24期

关键词：

光伏发电功率; 核模糊C-均值聚类; 群居蜘蛛优化; 支持向量回归(SVR);

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：

为提高短期光伏发电功率预测精度和降低气候等因素对预测结果的影响,提出了一种基于IKFCM与多模态SSO优化SVR的光伏发电功率短期预测方案。首先采用改进的KFCM(Improved KFCM, IKFCM)聚类方法对训练样本集进行处理,通过引入紧致离散聚类有效性指数,在提高IKFCM聚类准确率的同时实现了自动划分训练样本集,有效降低了样本数据差异对预测性能的影响。然后构建与训练样本集分类一一对应的SVR预测模型,并采用多模态SSO优化(Multi-mode SSO, MSSO)算法对SVR模型参数进行优化,进而得到不同分类的最优SVR参数组合。最后,运用MSSO优化SVR模型对测试数据进行预测评估。仿真结果表明,该方案实现了不同天气下短期光伏发电功率准确预测,而且同其他预测算法相比预测精度提高了25.2%～37.8%。

引用

页码：96 / 103

页数：8

共 17 条

[1]

基于CEEMD和膜计算优化支持向量机的风速预测 [J].

殷豪 ;

董朕 ;

陈云龙 .

电力系统保护与控制, 2017, 45 (21) :27-34

[2]

基于主成分分析和遗传优化BP神经网络的光伏输出功率短期预测 [J].

许童羽 ;

马艺铭 ;

曹英丽 ;

唐瑞 ;

陈俊杰 .

电力系统保护与控制, 2016, 44 (22) :90-95

[3]

一种基于改进灰色BP神经网络组合的光伏出力预测方法 [J].

王新普 ;

周想凌 ;

邢杰 ;

杨军 .

电力系统保护与控制, 2016, 44 (18) :81-87

[4]

基于PNN/PCA/SS-SVR的光伏发电功率短期预测方法 [J].

王昕 ;

黄柯 ;

郑益慧 ;

李立学 ;

郎永波 ;

吴昊 .

电力系统自动化, 2016, 40 (17) :156-162

[5]

并网光伏发电置信容量评估 [J].

余志强 ;

王淳 ;

胡奕涛 ;

钟云 ;

汪硕承 .

电力系统保护与控制, 2016, 44 (07) :122-127

[6]

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].

叶林 ;

陈政 ;

赵永宁 ;

朱倩雯 .

电力系统自动化, 2015, 39 (16) :16-22

[7]

模糊C均值算法的聚类有效性评价 [J].

朴尚哲 ;

超木日力格 ;

于剑 .

模式识别与人工智能, 2015, 28 (05) :452-461

[8]

地基云图结合径向基函数人工神经网络的光伏功率超短期预测模型 [J].

陈志宝 ;

丁杰 ;

周海 ;

程序 ;

朱想 .

中国电机工程学报, 2015, 35 (03) :561-567

[9]

基于综合性评估的无线链路质量分类预测机制 [J].

郭志强 ;

王沁 ;

万亚东 ;

李默涵 .

计算机研究与发展, 2013, (06) :1227-1238

[10]

Development and research on integrated protection system based on redundant information analysis.[J].Jinghan He;Lin Liu;Wenli Li;Ming Zhang.Protection and Control of Modern Power Systems.2016, 1

← 1 2 →