基于小波分析和集成学习的光伏输出功率短期预测

被引：11

作者：

孙永辉 ^{[1
]}

范磊 ^{[1
]}

卫志农 ^{[1
]}

李慧杰 ^{[2
]}

Kwok W Cheung ^{[3
]}

孙国强 ^{[1
]}

机构：

[1] 河海大学能源与电气学院

[2] 阿尔斯通电网技术中心有限公司

[3] ALSTOM Grid lnc

来源：

电力系统及其自动化学报 | 2016年 / 28卷 / 04期

关键词：

小波分析; 集成学习; BP神经网络; 支持向量机; 光伏输出功率短期预测;

D O I：

暂无

中图分类号：

TM615 [太阳能发电];

学科分类号：

0807 ;

摘要：

针对光伏输出功率的预测精度影响系统安全调度和稳定运行的问题,该文建立了基于小波分析和集成学习的光伏输出功率短期预测模型。考虑到光伏输出功率的波动性与随机性,引入小波分析将数据分解成趋势项和随机项,并分别对其建模。其中,趋势项采用SVM算法,随机项采用BP算法进行预测处理;再考虑到随机项的非平稳性和BP算法的固有缺点,为提高预测精度,将集成学习引入随机项的预测模型。大量测试结果表明,基于小波分析和集成学习的短期预测模型的预测精度优于现有几种模型。

引用

页码：6 / 11+30 +30

页数：7

共 20 条

[11] A THEORY OF THE LEARNABLE [J].