10.19753/j.issn1001-1390.2020.12.008
模糊聚类-Elman神经网络短期光伏发电预测模型
光伏发电功率预测是电网安全稳定运行的基础,从数据挖掘的角度提升光伏发电功率预测精度,文中提出基于孤立森林、模糊C均值和Elman的短期光伏发电功率预测模型.根据预测日选择相似日数据并按天气分类作为训练样本;采用孤立森林清洗训练样本中的异常部分;应用模糊C均值对相似日以及待预测日的气象数据进行聚类分析.结合Elman神经网络算法,形成含孤立森林数据清洗的模糊聚类-Elman神经网络的预测模型,对光伏出力进行精确预测.根据某地市现场实测数据进行实验仿真,预测结果分别与传统Elman和BP模型的预测结果进行对比,所述模型可以获得更高的预测精度.
孤立森林、模糊C均值、Elman、BP
57
TM715(输配电工程、电力网及电力系统)
国家自然科学基金青年基金项目;安徽省电力公司科技项目;安徽大学2015博士科研启动项目
2020-07-15(万方平台首次上网日期,不代表论文的发表时间)
共6页
46-51