微电网光伏发电的Adaboost天气聚类超短期预测方法
微电网光伏发电预测精度与天气状态呈高度相关性,非晴空条件下气象因素的随机波动使得超短期预测精度较低.对此,文中提出一种改进Adaboost天气聚类和马尔可夫链的组合预测方法.首先采用滑动平均法提取辐照度特征变量,设计并训练Adaboost改进的K近邻(KNN)分类器,实现历史样本的分类;为进一步提高多云和阴雨天的预测精度,引入天气类型衰减系数对Hottel太阳辐射模型进行校正,形成完整描述各天气类型的辐照度基准模型;建立多阶加权马尔可夫链模型输出辐照度预测值;最后由光电转换模型实现间隔5 min的微电网光伏超短期预测.仿真结果表明,所述预测方法提高了各天气类型下的预测精度,对提高微电网经济调度水平具有重要意义.
光伏发电、微电网、超短期预测、衰减系数、Adaboost
41
TM7;TM4
国家重点研发计划资助项目2017YFB0903700, 2017YFB0903705;武汉市科技创新计划资助项目2013072304020824.This work is supported by National Key Research and Development Program of China2017YFB0903700, 2017YFB0903705;Science and Technology Project of Wuhan City2013072304020824
2017-12-14(万方平台首次上网日期,不代表论文的发表时间)
共7页
33-39