改进相似度的模糊聚类算法在光伏阵列短期功率预测中的应用.pdf

《改进相似度的模糊聚类算法在光伏阵列短期功率预测中的应用.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第42卷第6期电力系统保护与控制Vo1．42NO．62014年3月16日PowerSystemProtectionandControlMar．16．2014改进相似度的模糊聚类算法在光伏阵列短期功率预测中的应用白俊良，梅华威(华北电力大学新能源电力系统国家重点实验室，河北保定O71003)摘要：提出一种基于改进相似度的模糊聚类算法的光伏阵列短期功率预测方法，通过通径分析得到气象因子对光伏阵列日发电功率的影响权重。根据各个因子的权重自定义综合了加权相似系数和加权距离系数的统计量一相似度，建立模糊相似矩阵将历史日样

2、本划分为若干类。然后通过分类识别获得与预测日最相似的一类历史日样本集，将其与预测目的气象因素作为预测模型的输入样本建立BP神经网络发电预测模型，并利用差分进化算法对构建的BP神经网络的参数进行了全局寻优。以实际数据对所提模型进行了验证，并与传统的基于相似日选取的光伏功率预测模型进行了对比，结果表明该模型具有更高的预测精度，有利于光伏发电系统并网运行和电网安全经济调度。关键词：功率预测；光伏阵列；通径分析；气象因子；模糊聚类；神经网络；差分进化Improvedsimilaritybasedfuzzycluster

3、ingalgorithmanditsapplicationinthePVarraypowershort—termforecastingBAIJun-liang，MEIHua-wei(StateKeyLaboratoryofAltemateElectricalPowerSystemwithRenewableEnergySources，NorthChinaElectricPowerUniversity,Baoding071003，China)Abstract：AmethodofPVarrayshort—termpo

4、werpredictionisproposedbasedonimprovedsimilarityoffuzzyclusteringalgorithm．First，theweightsofthemeteorologicalfactorsareobtainedthroughpathanalysis．Animprovedsimilarityisconstructedintegratingweightedsimilaritycoeficientsandweighteddistancecoeficientaccordin

5、gtotheweightofeachfactonSecond，thehistorydaysamplesaredividedintoseveralcategoriesbymakingfuzzysimilaritymatrix．Theclassificationoftheforecastingdayisgotbypatternrecognition．ThentheBPneuralnetworkpredictionmodelusingdiferentialevolutionalgorithmtooptimizeBPn

6、euralnetworkweightsandthresholdvalueisconstructedbasedonthehistorydataoftheclassificationandthemeteorologicalfactorsoftheforecastingday．Experimentalresultsdemonstratethatthemodelhashigherpredictionaccuracycomparedwiththetraditionalpredictionmodelbasedonsimil

7、ardayselected．ItisconducivetotheopermionofPVsystemoperationanditssecurityeconomicdispatch．Keywords：powerprediction；photovoltaicarray；pathanalysis；meteorologicalfactors；fuzzyclustering；neuralnetwork；diferentialevolutjon中图分类号：TM615；TK89文献标识码：A文章编号：1674—3415(20

8、14)06—0084—07目前，光伏发电功率预测可以归纳为两类：间0引言接预测和直接预测L2J。间接预测法先利用历史太阳光伏发电系统的输出功率受到太阳辐照度、温辐照强度数据和天气预报信息对地表的太阳辐照强度、相对湿度、风速等众多气象因素的影响，具有度进行预测，然后根据光伏发电系统的出力模型得很大的波动性和随机性⋯。大规模光伏并网会对电到光伏系统的输出功率l34J。与问接预测相比，直接力