面向光伏发电的模式预测树模型

被引：2

作者：

董亚东 ^{[1
]}

郭华平 ^{[2
]}

吴双惠 ^{[3
]}

王兆庆 ^{[3
]}

范明 ^{[1
]}

机构：

[1] 郑州大学

[2] 信阳师范学院

[3] 许继电气股份有限公司

来源：

可再生能源 | 2014年 / 03期

关键词：

预测模型模式树; 线性回归; 发电功率预测; 树剪枝;

D O I：

10.13941/j.cnki.21-1469/tk.2014.03.013

中图分类号：

TM615 [太阳能发电];

学科分类号：

0807 ;

摘要：

文章将模式预测树引入到光伏发电预测中,提出了一种面向光伏发电的模式预测树模型(PGMT)。与传统的神经网络不同,PGMT将树模型与线性回归模型相结合,预测时输入信息沿着某条路径到达叶结点,该叶结点使用线性回归模型预测相应的发电量。该方法有效地避免了标准线性回归模型对数据的线性要求,同时保留了线性模型的可解释性。利用在某光伏电站的数据集上的实验结果表明,PGMT较之于神经网络保留了很好的可解释性,表现出更高的预测准确性。

引用

页码：253 / 258

页数：6

共 13 条

[1] 基于PSCAD/EMTDC的三相光伏并网发电系统仿真研究 [J].

姚致清 ;

张茜 ;

刘喜梅 .

电力系统保护与控制, 2010, 38 (17) :76-81

[2] 光伏发电在微电网中接入及动态特性研究 [J].

周念成 ;

闫立伟 ;

王强钢 .

电力系统保护与控制, 2010, 38 (14) :119-127

[3] 光伏发电功率预测统计方法研究 [J].

卢静 ;

翟海青 ;

刘纯 ;

王晓蓉 .

华东电力, 2010, 38 (04) :563-567

[4] 基于人工神经网络的风电功率预测 [J].

范高锋 ;

王伟胜 ;

刘纯 ;

戴慧珠 .

中国电机工程学报, 2008, (34) :118-123

[5]

Inducing model trees for continuousclasses. WANG,Y.,WITTEN,I.H. Proceedings of the 9th European Conference on Ma-chine Learning . 1997

[6]

Learning with continuous classes. Quinlan J. R. Proceedings Australian Joint Conference on Artificial Intelligence . 1992

[7]

Application ofrecurrent neural network toshort-term-ahead generating power forecasting for photovoltaic system. Yona A,Senjyu T,Funabashi T. IEEE PowerEngineering Society GeneralMeeting . 2007

[8]

Classification and Regression Trees. BREIMAN L,FRIEDMAN J H,OLSHEN R,et al. . 1983

[9]

C4.5: Programs for Machine Learning. J Ross Quinlan. . 1993

[10]

应用回归分析[M]. 中国人民大学出版社 , 何晓群,刘义卿编著, 2001

← 1 2 →