共 19 条
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] 不详
来源：
基金：
上海市自然科学基金;
国家自然科学基金重点项目;
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
收藏
页码：156 / 162
页数：7
相关论文