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

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.

关键词：智能电网、光伏功率预测、双维度顺序填补、改进Kohonen、天气聚类

所属期刊栏目：39

分类号：TM615(发电、发电厂)

资助基金：自治区科技支疆研究项目2017E0277

在线出版日期：2019-02-26（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：60-65