基于二次自适应支持向量机的光伏输出功率预测

论文摘要

针对传统相似度函数在聚类过程中所存在的问题,提出改进灰色-欧氏距离相似度函数,并将历史样本日模糊聚类分为若干类。另外,考虑到光伏输出数据的复杂性,该文结合小波分解（WD）和集成经验模态分解（EEMD）的各自优势,对光伏数据作双分解处理,得到趋势分量与细节分量,然后采用二次自适应支持向量机模型分别进行光伏功率预测。最后,采用美国俄勒冈州某处光伏发电场的实测数据实验,验证模型的实用性和可行性。

论文目录

• 0 引言
• 1 改进相似度的模糊聚类分析
•   1.1 相似度函数
•   1.2 改进灰色-欧氏距离相似度
•   1.3 日特征向量的选取
• 2 模型理论基础
•   2.1 小波分解与集成经验模式分解[9]及其比较
•   2.2 光伏功率的双分解理论
•   2.3 二次自适应支持向量机预测模型理论
• 3 预测模型设计
•   3.1 模型的输入、输出量
•   3.2 预测流程分析
• 4 实例验证
•   4.1 实验数据
•   4.2 聚类分析
•   4.3 预测结果与分析
• 5 结论

文章来源

类型: 期刊论文

作者: 殷豪,陈云龙,孟安波,林艺城

关键词: 光伏功率预测,小波分解,集成经验模态分解,二次自适应支持向量机,相似度

来源: 太阳能学报 2019年07期

年度: 2019

分类: 工程科技Ⅱ辑

专业: 电力工业

单位: 广东工业大学自动化学院

基金: 广东省科技计划(2016A010104016),广东省电网公司科技项目(GDKJQQ20152066)

分类号: TM615

页码: 1866-1873

总页数: 8

文件大小: 2438K

下载量: 355