基于鲁棒LS-SVM在光伏发电预测中的应用

被引：6

作者：

李洪珠

贾威

聂苓

鄂小雪

机构：

[1] 辽宁工程技术大学电气与控制工程学院

来源：

计算机测量与控制 | 2013年 / 21卷 / 05期

关键词：

光伏发电预测; 鲁棒学习; 最小二乘支持向量; 光伏发电;

D O I：

10.16526/j.cnki.11-4762/tp.2013.05.034

中图分类号：

TM615 [太阳能发电];

学科分类号：

0807 ;

摘要：

随着对光伏发电系统不断的应用研究,光伏发电预测技术成为又一重要的课题;光伏发电系统对于国家电网来说是一个不可控的能源,其具有的随机性会对大电网的稳定性造成一定的影响;因此,准确的光伏发电预测对电力系统的运行调度具有深远的意义;文章通过光伏发电历史发电量、太阳能辐射量和温度序列按照时间序列建模方案建立了基于鲁棒学习的最小二乘支持向量机模型;同时,验证了该模型的可行性以及有效性;预测结果表明,该模型具有较高的精度,能够解决光伏发电随机化问题。

引用

页码：1166 / 1167+1170 +1170

页数：3

共 10 条

[1] 最小二乘支持向量机在光伏功率预测中的应用 [J].

朱永强 ;

田军 .

电网技术, 2011, 35 (07) :54-59

[2] 大规模风电并网电力系统动态清洁经济优化调度的建模 [J].

袁铁江 ;

晁勤 ;

吐尔逊·伊不拉音 ;

李义岩 .

中国电机工程学报, 2010, 30 (31) :7-13

[3] 基于鲁棒学习的最小二乘支持向量机及其应用 [J].

张淑宁 ;

王福利 ;

尤富强 ;

贾润达 .

控制与决策 , 2010, (08) :1169-1172+1177

[4] 基于神经网络的光伏阵列发电预测模型的设计 [J].

陈昌松 ;

段善旭 ;

殷进军 .

电工技术学报, 2009, 24 (09) :153-158

[5] 基于鲁棒最小二乘的选矿流程数据校正方法研究附视频 [J].

王雅琳 ;

杨卫兵 ;

桂卫华 ;

阳春华 .

计算机测量与控制, 2009, (08) :1601-1604

[6] 基于鲁棒最小二乘支持向量机的电机振动故障诊断 [J].

王华秋 ;

刘全利 ;

王越 ;

廖晓峰 .

中国电机工程学报, 2007, (30) :97-102

[7]

支持向量机[M]. 科学出版社 , 邓乃扬, 2009

[8]

Bettering operation of robot by learning. Arimoto S,Kawamura S,Miyazaki F. Journal of Robotic Systems . 1984

[9]

Power injection system forgrid-connected photovoltaic generation systems based on twocollaborative voltage source inverters. ROMERO-CADAVAL E,MILANES-MONTERO M I,GONZALEZ-ROMERA E,et al. IEEE Trans onIndustrial Electronics . 2009

[10]

Neural network based estimation of maximumpower generation from PV module using environmental information. Takashi H,Ken K. IEEE Trans on Eenergy Conversion . 1997

← 1 →