化石能源一直在人類社會進程中扮演著非常重要的角色,但是由于其自身的不可再生性以及對環(huán)境造成的污染漸漸無法滿足人類的需求。相比之下,太陽能具有獲得便利、取之不盡、清潔無污染等特性,已經(jīng)成為現(xiàn)今人類廣泛利用的能源之一。光伏發(fā)電方式正在世界范圍內(nèi)迅速擴大,并且已經(jīng)在發(fā)達國家發(fā)電方式中占據(jù)一定比例。中國近些年也在大力發(fā)展光伏發(fā)電項目,有關(guān)光伏發(fā)展及污染防治的政策陸續(xù)提出,從各方面強調(diào)了光伏發(fā)電的重要性。但是由于光伏發(fā)電功率受天氣等各因素影響較大,功率輸出不夠穩(wěn)定,為了保證光伏電網(wǎng)的安全穩(wěn)定運行,使電量調(diào)度較易進行,準確預測光伏發(fā)電功率勢在必行。本文提出了一種基于集合經(jīng)驗模態(tài)分解(ensemble empirical mode decomposition,EEMD)與變權(quán)組合預測的光伏發(fā)電功率預測方法,預測期間將EEMD與變權(quán)組合預測模型相結(jié)合,提高模型預測精度。首先運用EEMD對光伏發(fā)電功率數(shù)據(jù)序列進行分解,并將分解出的序列分量按一定規(guī)律組合成低頻、中頻和高頻三部分,同時采用決策樹、支持向量機與集成學習三種機器學習算法作為基本預測方法組成變權(quán)組合預測模型,發(fā)揮各算法的優(yōu)點并彌補其不足。對低頻、中頻和高頻三部分序列分別運用變權(quán)組合預測模型進行預測,三部分預測結(jié)果相加即得最終預測結(jié)果。在預測過程中對組合預測方法權(quán)重的設計進行了研究,提出了調(diào)和平均數(shù)法與二次規(guī)劃法兩種方法,并探討哪種能取得更好的效果。實例研究和模型對比結(jié)果表明,在光伏發(fā)電預測中,通過EEMD分解后各部分分別預測并相加所得預測結(jié)果優(yōu)于直接預測,而將單一預測模型變?yōu)樽儥?quán)組合預測模型,在確定最優(yōu)權(quán)重后預測精度進一步提高。在成功驗證本論文方法有效后,從季節(jié)因素、變量篩選和相似樣本聚類三方面對模型進行了優(yōu)化,對光伏發(fā)電的特點進行研究并進一步提高了光伏預測精度。最后對光伏預測如何在并網(wǎng)光伏發(fā)電中進行實際運用進行了研究并給出了相關(guān)建議。
【學位單位】：華北電力大學(北京)
【學位級別】：碩士
【學位年份】：2019
【中圖分類】：F224;F426.61
【部分圖文】：

，臺上有多個分屬于兩類的不同的點，感知機就是嘗試找到一條直線將分割開來。在三維或多維空間里，主要是嘗試找到一個超平面將不同隔開。如果并不能找到這樣一條直線的話，說明數(shù)據(jù)類別是線性不可分模型不適合做此數(shù)據(jù)的分類使用感知機一個最大的前提，就是數(shù)據(jù)是。這一條件嚴重限制了感知機的使用場景。下一步則是進行思考，在的可以分類的超平面的情況下，如何選到最好的，或者是泛化能力最題。在分類過程中，遠離超平面的點是很容易被成功分類的，而離超點就比較麻煩，在分類過程中較易被分錯。建立模型時，在己找到超進行略微修正，使離超平面較近的點盡量遠離，這樣這些點就相對來正確分類，支持向量機就是基于這種思想被創(chuàng)建出來的。??下圖所示，將超平面設置為ｗ＇ｘ?＋?６?＝?０，假如能夠做到所有的點成功類，同時也能和其保持相對較遠的距離，這樣的超平面是優(yōu)于以往感面的。較易可知，這樣的超平面只有一個。在支持向量機中，和己找持一定距離的這兩個超平面對應的向量被稱為支持向量，如圖２－１虛

華北電力大學碩上學位論文??新，使得Ｍ（ｉ＋１）更關(guān)注被Ｍ（ｉ）分類錯誤的訓練元組。最終提升整體集合的分類??準確率，集成規(guī)則是加權(quán)投票，每個分類器投票的權(quán)重是其準確率的函數(shù)。假設??數(shù)據(jù)集Ｄ，共有ｄ類。Ｙ，是Ｘ，的類標號，假設需要生成ｋ的??分類器。其步驟為：首先對每個訓練元組賦予相等的權(quán)重１／ｄ。然后賦予ｉ＝ｌ：ｋ，??從Ｄ中進行有放回的抽樣，組成大小為ｄ的訓練集Ｄ，，同一個元組可以被多次??選擇，而每個元組被選中的幾率由權(quán)重決定。利用Ｄ，訓練得到分類器Ｍ，，然后??使用Ｄ，作為測試集計算的誤差。然后根據(jù)誤差調(diào)整權(quán)重。當元組沒有被正確??分類時，則權(quán)重增加；反之權(quán)重減少。然后利用新的權(quán)重為下一輪訓練分類器產(chǎn)??生訓練樣本。使其更“關(guān)注”上一輪中錯分的元組。最后進行加權(quán)投票集成。??ｂｏｏｓｔｉｎｇ的算法原理可以用一張圖做？個概括如卜：??

＾?＾?＊?ｗ３〇＋ｙｉｈ?＊?＾＾ｔ＋ｙ＾ｃ?＊?ｗ３Ｃ?（３－４）??得出最終預測結(jié)果，具體流程圖如圖３－１所示。??ｚｉ￣ｘ，?／?ｒ?＾?ｊ??１?Ｉ??決策樹?支＿￣量機?｜?Ｅｎｓｅｍｂｌｅ??模型ａ?＾?模型ｂ?；?模型ｃ???Ａ??＾?調(diào)和｜??！廠?／?模型ｂ?—７與ｙ２相減、廠?／平均致ｗ?￣７?１??！?／?Ｘ２?卜、?７?＾?／??７?ｅｂ?ｗ２ｂ?／?；??規(guī)劃法Ｉ?＞???一；ｎ?ｅｃ；７／Ｊ??決策樹、Ｅｎｓｅｍｂｌｅ、隨機森林、ＳＶＭ等??ｉ／＾＾ｎ?ｒＶ＾Ｖ！??；Ｉ??１?Ｉ?］?ｉ??！?／?／丨模型ｃ?；?／?ｉ＼??：／?ｙ３－?Ａ?＾?ｗ３ｃ?ｙ！??１?ｉ?ｉ??丨—廠一?一一丨?丨??ｒ—??工??／?—?ｙ?＿／??圖３－１變權(quán)組合預測建模流程圖??３．２?ＥＥＭＤ及變權(quán)組合預測模型建立??運用ＥＥＭＤ算法可以對光伏發(fā)電功率波形進行分解，根據(jù)波形長短可以分??解成若干ＩＭＦ分量以及剩余分量，將其按一定規(guī)律進行組合，得到高頻序列Ｈｙ、??中頻序列Ｍｙ和低頻序列Ｌｙ，之后分別對Ａ頻序列Ｈｙ、中頻序列Ｍｙ和低頻序??列Ｌｙ采用“決策樹＋支持向量機＋Ｂ〇〇Ｓｔｉｎｇ”組合預測模型進行預測，其中權(quán)重??選取分別采用調(diào)和平均數(shù)法和二次規(guī)劃法，敁后三個預測結(jié)果相加即得最終預測??結(jié)果。ＥＥＭＤ及變權(quán)組合預測模型思路圖如圖３－２所示：??２６??
【相似文獻】

相關(guān)期刊論文 前10條

1 石榮;李明捷;;變權(quán)綜合法在航空公司風險評價中的應用研究[J];中國安全生產(chǎn)科學技術(shù);2011年10期

2 楊昔陽;曾麗雪;;合理變權(quán)的層次分析模型[J];泉州師范學院學報;2009年02期

3 王慶東;侯海軍;;基于區(qū)間數(shù)的變權(quán)與狀態(tài)變權(quán)[J];系統(tǒng)工程學報;2008年04期

4 趙光明;李斌;李娜;;在環(huán)境質(zhì)量綜合評價中因素控制變權(quán)方法的研究探討[J];廣州環(huán)境科學;2008年03期

5 張景臣;張士誠;牟善波;劉明軍;;綜合應用層次分析和變權(quán)法優(yōu)化壓裂防砂選井選層[J];內(nèi)蒙古石油化工;2008年17期

6 路福和;;變權(quán)法在招標評標中的應用[J];建筑經(jīng)濟;2007年12期

7 蘇欣;袁宗明;范小霞;;模糊變權(quán)法在地下儲氣庫方案優(yōu)選中的應用[J];油氣儲運;2006年03期

8 張瑞;王攀;丁力;;變權(quán)綜合的若干問題研究[J];微計算機信息;2006年19期

9 侯海軍,谷云東,王加銀;狀態(tài)變權(quán)的一些性質(zhì)與某些構(gòu)造問題[J];北京師范大學學報(自然科學版);2005年04期

10 侯海軍;谷云東;王加銀;;由某些函數(shù)構(gòu)造的狀態(tài)變權(quán)[J];模糊系統(tǒng)與數(shù)學;2005年04期

相關(guān)博士學位論文 前5條

1 李博;基于變權(quán)理論的煤層底板突水脆弱性評價[D];中國礦業(yè)大學(北京);2014年

2 周曉;基于變權(quán)的多目標物流網(wǎng)絡流量分配問題研究[D];西南交通大學;2012年

3 朱慧;基于用戶動態(tài)興趣與變權(quán)隱私保護的交叉推薦研究[D];廣東工業(yè)大學;2016年

4 張麗芳;基于變權(quán)的鋼筋混凝土梁橋安全與使用性能評估研究[D];南京航空航天大學;2009年

5 徐寧;灰色預測技術(shù)及其在交通管理中的應用研究[D];南京航空航天大學;2015年

相關(guān)碩士學位論文 前10條

1 陳斌;變權(quán)重的多模型綜合預測方法研究[D];廈門大學;2018年

2 韓國瑩;基于懲罰型變權(quán)的城市可持續(xù)發(fā)展預警研究[D];內(nèi)蒙古農(nóng)業(yè)大學;2019年

3 孫建波;基于EEMD與變權(quán)組合預測的光伏發(fā)電預測模型及應用研究[D];華北電力大學(北京);2019年

4 劉婉婉;變權(quán)重稀疏Kmeans的算法及應用研究[D];廈門大學;2017年

5 李月秋;變權(quán)綜合理論與多目標決策[D];昆明理工大學;2008年

6 李廷豐;基于組合賦權(quán)與局部變權(quán)的煤礦安全評價研究[D];河南理工大學;2010年

7 王振宇;時變權(quán)重模型在中國宏觀經(jīng)濟的應用[D];西南財經(jīng)大學;2014年

8 單翔;具有行為誘導功能的變權(quán)算子研究[D];東北大學;2013年

9 王琰;基于變權(quán)理論的供應商選擇方法研究[D];電子科技大學;2005年

10 張萌萌;基于變權(quán)綜合的電力質(zhì)量評價[D];華北電力大學(北京);2017年

本文編號：2889950