基于相似日和最小二乘支持向量机的光伏发电短期预测

被引：54

作者：

傅美平

马红伟

毛建容

机构：

[1] 许继集团有限公司

来源：

电力系统保护与控制 | 2012年 / 40卷 / 16期

关键词：

最小二乘支持向量机(LS-SVM); 相似日; 光伏发电; 微电网; 短期预测;

D O I：

暂无

中图分类号：

TM615 [太阳能发电];

学科分类号：

0807 ;

摘要：

光伏发电预测对于减小并网光伏发电系统对电力系统的影响具有重要意义。针对光伏系统的发电特性,根据影响光伏发电出力的因素,提出选取相似日的方法,通过计算分析相似度筛选出与预测日特征相似的历史数据,与天气数据一同作为预测模型的训练样本。利用最小二乘支持向量机(LS-SVM)进行光伏发电预测,并通过某微电网示范工程的光伏系统数据验证,计算分析了预测误差,结果表明该方法具有较高的预测精度,对光伏发电预测具有一定的参考价值。

引用

收藏

页码：65 / 69

页数：5

相关论文

共 17 条

[1] 基于反馈型神经网络的光伏系统发电功率预测 [J].

张艳霞 ;

赵杰 .

电力系统保护与控制, 2011, 39 (15) :96-101+109

[2] 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

[3] 太阳能光伏发电系统发电量的预测方法 [J].

杨超 ;

榑沼弘贵 .

智能建筑电气技术, 2011, 5 (02) :29-34

[4] 并网光伏发电系统发电量预测方法的探讨 [J].

李光明 ;

廖华 ;

李景天 ;

赵恒利 ;

黄波 ;

何京鸿 .

云南师范大学学报(自然科学版), 2011, 31 (02) :33-38+64

[5] 基于马尔可夫链的光伏发电系统输出功率短期预测方法 [J].

丁明 ;

徐宁舟 .

电网技术, 2011, 35 (01) :152-157

[6] 基于相似日和人工神经网络的风电功率短期预测 [J].

孟洋洋 ;

卢继平 ;

孙华利 ;

潘雪 ;

高道春 ;

廖勇 .

电网技术, 2010, 34 (12) :163-167

[7] 考虑相关因素的最小二乘支持向量机风速预测方法 [J].

栗然 ;

陈倩 ;

徐宏锐 .

电力系统保护与控制, 2010, 38 (21) :146-151

[8] 基于自适应双向加权最小二乘支持向量机的超短期负荷预测 [J].

王岗 ;

姜杰 ;

唐昆明 ;

张太勤 .

电力系统保护与控制, 2010, 38 (19) :142-146

[9] 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

[10] 一种并网型光伏电站光功率及发电量预测的方法 [J].

李军 ;

许继生 ;

王生渊 ;

景满德 ;

李春来 ;

尚国斌 .

青海电力, 2010, 29 (02) :18-20