基于数据挖掘的光伏发电预测

基于数据挖掘的光伏发电预测

ID:41857414

大小:54.50 KB

页数:15页

时间:2019-09-03

基于数据挖掘的光伏发电预测_第1页
基于数据挖掘的光伏发电预测_第2页
基于数据挖掘的光伏发电预测_第3页
基于数据挖掘的光伏发电预测_第4页
基于数据挖掘的光伏发电预测_第5页
资源描述:

《基于数据挖掘的光伏发电预测》由会员上传分享,免费在线阅读,更多相关内容在工程资料-天天文库

1、基于数据挖掘的光伏发电预测摘要:外界环境和光照强度的不确定性决定了光伏发电出力的非平稳性和随机性,有效的光伏发电量预测不仅能保护接入电网的稳健运行,还有助于电网的调度安排和光伏电站的运维决策。文章提出以周天气特征因子和气象因子为特征,结合历史发电数据,建立起一个最小二乘支持向量机预测模型,进行光伏发电量的超短期预测。通过实验对训练好的模型进行预测精度的评估,结果表明,与未结合周天气特征的预测模型相比,该模型的平均预测精度提高了30%左右。关键词:光伏发电量预测;最小二乘支持向量机;周天气特征;超短期预测中图分类号:TP39文献标志码:A文章编号:1006-8228(2

2、018)08-36-04ForecastofPVpowergenerationbasedondataminingZhouHui,WangJin,GuXiang(Collegeofcomputerscienceandtechnology,NantongUniversity,Nantong,Jiangsu226019,China)Abstract:Theuncertairityoftheexternalenvironmentandsunlightintensitydeterminesthenon-stationaryandrandomnessofthephotovolta

3、icpowergeneration,andtheeffectivePVgenerationpredictioncannotonlyprotectthestableoperationoftheaccessgrid,butalsohelpthedispatchingofthepowergrid,andtheoperationandmaintenaneeofthephotovoltaicpowerstation.Inthispaper,acharacteristicfactoroftheweekweatherisproposed,andthepredictionmodelo

4、fleastsquaresupportvectormachineisestablishedbycombiningthemeteorologicalfactorsandhistoricalpowergenerationdata.Theultra-shorttermpredictionofphotovoltaicpowergenerationiscarriedout,andthepredictionaccuracyofthetrainedmodelisevaluatedthroughexperiment.TheresuItsshowthattheaveragepredic

5、tionaccuracyofthemodelis30percentageshigherthanthoseofwithoutcharacteristicfactoroftheweekweather.Keywords:PVpowergenerationprediction;leastsquaressupportvectormachine;weekweathercharacteristics;ultra-shorttermprediction0引言太发电能够有效缓解全球能源紧缺问题和传统能源发电带来的环境问题[1]。太阳能发电中涉及光伏发电量预测,尤其是短期预测,对光伏电站

6、运维具有重要意义。高精确度的发电量预测,能够有效避开光伏电站发电高峰期,进行电站的运维、清洗、检修等工作,同时还能作为故障诊断的辅助手段。本文拟建立一套光伏电站发电量预测模型,旨在预测5分钟超短期光伏发电量。预测一个光伏电站的发电量,可以帮助光伏业主避开发电高产时段,选择在发电量较低的时段进行光伏电站维护和清洗,减少发电经济效益的损失。目前已经运用到光伏发电量预测中的方法有线性回归[2]、神经网络[3]、支持向量机[4]等。闻科伟等[5]利用气象部门提供的预报数据和小型光伏电站的历史数据建立气象相似度与发电量相似度的过渡函数,分别通过分析三状态马尔科夫链和五状态马尔科

7、夫链对预测结果进行修正。利用神经网络方法进行光伏发电预测方法。仿真结果具有较高的预测精度、实用性和良好的预测跟踪性能。卢冬冬等[6]利用光伏发电系统历史发电数据、太阳辐照度数据和气象数据建立了多元多项式回归模型,对相同天气类型下的辐照度进行算术平均并代入多元多项式回归模型,从而得到各种天气类型下的只以温度为输入变量的预测模型。通过平均绝对百分比误差对模型进行评估,该预测模型的精度较高,具有一定的可靠性。李洪珠等[7]通过历史发电量、太阳能辐射量和温度序列按照时间序列建模方案建立了基于鲁棒学习的最小二乘支持向量机模型。本文基于最小二乘支持向量机建立一套

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。