基于双维度顺序填补框架与改进Kohonen天气聚类的光伏发电短期预测

论文摘要

为提高部分数据缺失情况下智能电网光伏发电功率预测精度,提出一种基于双维度顺序填补框架与改进Kohonen天气聚类的光伏发电功率预测模型。采用双维度顺序填补方法补齐缺失数据,基于完整数据分析光伏发电功率影响因素,建立改进Kohonen天气聚类模型,并利用S-Kohonen实现预测日天气类型识别,将聚类历史日数据与预测日气象数据作为输入,采用多种群果蝇优化广义回归神经网络（MFOA-GRNN）模型对预测日光伏发电功率进行预测。仿真结果表明,所提方法能有效提高预测精度,为实现数据缺失情况下智能电网光伏发电功率的精准预测提供了一种思路。

论文目录

• 0 引言
• 1 基于双维度顺序填补框架的数据补齐
• 2 光伏发电影响因素分析
•   2.1 季节和天气类型对光伏发电的影响
•   2.2 各气象因素对光伏发电的影响
• 3 预测模型
•   3.1 改进Kohonen天气聚类
•   3.2 S-Kohonen识别待预测日类型
•   3.3 基于MFOA-GRNN的光伏功率预测模型
• 4 算例分析
•   4.1 光伏发电功率预测
•   4.2 结果分析
• 5 结论

文章来源

类型: 期刊论文

作者: 李燕青,杜莹莹

关键词: 智能电网,光伏功率预测,双维度顺序填补,改进,天气聚类

来源: 电力自动化设备 2019年01期

年度: 2019

分类: 工程科技Ⅱ辑

专业: 电力工业

单位: 华北电力大学河北省输变电设备安全防御重点实验室

基金: 自治区科技支疆研究项目(2017E0277)~~

分类号: TM615

DOI: 10.16081/j.issn.1006-6047.2019.01.009

页码: 60-65

总页数: 6

文件大小: 971K

下载量: 457