發(fā)布時(shí)間：2018-05-31 04:45

  本文選題：氣象信息 + 模糊聚類　； 參考：《電力系統(tǒng)及其自動(dòng)化學(xué)報(bào)》2016年12期

【摘要】：本文提出了一種基于模糊聚類和支持向量機(jī)的光伏短期功率預(yù)測(cè)方法。通過(guò)氣象信息建立模糊相似矩陣將光伏發(fā)電功率歷史樣本劃分為若干類,然后通過(guò)分類識(shí)別獲得與預(yù)測(cè)日最相似的一類歷史日樣本集,將其與預(yù)測(cè)日的氣象因素作為預(yù)測(cè)模型的輸入樣本建立支持向量機(jī)光伏發(fā)電功率預(yù)測(cè)模型,并利用余一法對(duì)構(gòu)建的支持向量機(jī)模型進(jìn)行核參數(shù)和懲罰參數(shù)的優(yōu)化。根據(jù)實(shí)際數(shù)據(jù)對(duì)所提模型進(jìn)行驗(yàn)證,計(jì)算分析了預(yù)測(cè)誤差,結(jié)果表明該方法具有較高的預(yù)測(cè)精度,對(duì)光伏發(fā)電預(yù)測(cè)具有一定的參考價(jià)值。
[Abstract]:This paper proposes a photovoltaic short - term power prediction method based on fuzzy clustering and support vector machines . The PV power generation power history samples are divided into several classes by establishing fuzzy similarity matrix through meteorological information . Then , a class of historical day sample sets which are the most similar to the prediction day are obtained by classification and identification . The model of support vector machine is optimized by using the following method . The prediction error is calculated and analyzed by using the residual method . The results show that the method has higher prediction accuracy and has certain reference value for forecasting photovoltaic power generation .
【作者單位】： 國(guó)家電網(wǎng)河南省電力公司經(jīng)濟(jì)技術(shù)研究院;天津大學(xué)電氣與自動(dòng)化工程學(xué)院;國(guó)家電網(wǎng)北京經(jīng)濟(jì)技術(shù)研究院;
【分類號(hào)】：TM615

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 葛海峰;林繼鵬;劉君華;丁暉;;基于支持向量機(jī)和小波分解的氣體識(shí)別研究[J];儀器儀表學(xué)報(bào);2006年06期

2 琚旭;王浩;姚宏亮;;支持向量機(jī)的一個(gè)邊界樣本修剪方法[J];合肥工業(yè)大學(xué)學(xué)報(bào)(自然科學(xué)版);2006年07期

3 張菁華;袁鑫;劉達(dá);;基于支持向量機(jī)的電力工程最優(yōu)投標(biāo)報(bào)價(jià)決策研究[J];山東電力高等�？茖W(xué)校學(xué)報(bào);2006年04期

4 張濤;段淑敏;;支持向量機(jī)在中醫(yī)疾病癥候診斷中的應(yīng)用[J];華北水利水電學(xué)院學(xué)報(bào);2007年03期

5 王晶;靳其兵;曹柳林;;面向多輸入輸出系統(tǒng)的支持向量機(jī)回歸[J];清華大學(xué)學(xué)報(bào)(自然科學(xué)版);2007年S2期

6 陳丹;;多類支持向量機(jī)算法的研究[J];東莞理工學(xué)院學(xué)報(bào);2007年05期

7 程麗麗;張健沛;馬駿;;一種改進(jìn)的加權(quán)邊界調(diào)節(jié)支持向量機(jī)算法[J];哈爾濱工程大學(xué)學(xué)報(bào);2007年10期

8 宋召青;崔和;胡云安;;支持向量機(jī)理論的研究與進(jìn)展[J];海軍航空工程學(xué)院學(xué)報(bào);2008年02期

9 郭濵;孫曉梅;薛明;;基于殼向量的邊界鄰近支持向量機(jī)[J];黑龍江交通科技;2008年12期

10 許超;運(yùn)士偉;舒云星;;基于支持向量機(jī)的混凝土測(cè)強(qiáng)換算模型[J];洛陽(yáng)理工學(xué)院學(xué)報(bào)(自然科學(xué)版);2008年02期

相關(guān)會(huì)議論文 前10條

1 余樂(lè)安;姚瀟;;基于中心化支持向量機(jī)的信用風(fēng)險(xiǎn)評(píng)估模型[A];第六屆（2011）中國(guó)管理學(xué)年會(huì)——商務(wù)智能分會(huì)場(chǎng)論文集[C];2011年

2 劉希玉;徐志敏;段會(huì)川;;基于支持向量機(jī)的創(chuàng)新分類器[A];山東省計(jì)算機(jī)學(xué)會(huì)2005年信息技術(shù)與信息化研討會(huì)論文集（一）[C];2005年

3 史曉濤;劉建麗;駱玉榮;;一種抗噪音的支持向量機(jī)學(xué)習(xí)方法[A];全國(guó)第19屆計(jì)算機(jī)技術(shù)與應(yīng)用（CACIS）學(xué)術(shù)會(huì)議論文集（下冊(cè)）[C];2008年

4 何琴淑;劉信恩;肖世富;;基于支持向量機(jī)的系統(tǒng)辨識(shí)方法研究及應(yīng)用[A];中國(guó)力學(xué)大會(huì)——2013論文摘要集[C];2013年

5 劉駿;;基于支持向量機(jī)方法的衢州降雪模型[A];第五屆長(zhǎng)三角氣象科技論壇論文集[C];2008年

6 王婷;胡秀珍;;基于組合向量的支持向量機(jī)方法預(yù)測(cè)膜蛋白類型[A];第十一次中國(guó)生物物理學(xué)術(shù)大會(huì)暨第九屆全國(guó)會(huì)員代表大會(huì)摘要集[C];2009年

7 趙晶;高雋;張旭東;謝昭;;支持向量機(jī)綜述[A];全國(guó)第十五屆計(jì)算機(jī)科學(xué)與技術(shù)應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2003年

8 周星宇;王思元;;智能數(shù)學(xué)與支持向量機(jī)[A];2005年中國(guó)智能自動(dòng)化會(huì)議論文集[C];2005年

9 顏根廷;馬廣富;朱良寬;宋斌;;一種魯棒支持向量機(jī)算法[A];2006中國(guó)控制與決策學(xué)術(shù)年會(huì)論文集[C];2006年

10 侯澍e，

本文編號(hào)：1958336