10.13335/j.1000-3673.pst.2020.2246
基于模糊C均值聚类和样本加权卷积神经网络的日前光伏出力预测研究
为了应对大规模光伏并网给电网调度带来的挑战,提出了一种模糊C均值样本加权卷积神经网络(fuzzy c-means-weighted samples-convolutional neural network,FCM-WS-CNN)模型对日前分钟级光伏出力进行预测.首先采用距离相关系数和主成分分析法在原始气象数据中提取综合气象因子,再利用综合气象因子和历史功率数据的5个统计指标作为聚类特征,使用模糊C均值聚类将历史数据分为不同天气类型,基于隶属度矩阵对训练样本进行加权.最后利用加权后的训练数据构造FCM-WS-CNN模型.在实验分析中将上述方法与CNN模型和FCM-CNN模型相比较,结果表明所提出的方法具有更高的精度和鲁棒性,验证了所提模型的有效性.
光伏出力预测;主成分分析;模糊C均值聚类;样本加权;卷积神经网络
46
TM721(输配电工程、电力网及电力系统)
国家自然科学基金61374122
2022-01-14(万方平台首次上网日期,不代表论文的发表时间)
共8页
231-238