基于异质聚类与Stacking的双集成光伏发电功率预测

摘要：

光伏功率预测是实现能源优化分配与电网稳定运行的关键基础.然而传统方法中数据预处理不精细以及预测算法对数据挖掘不到位的问题,往往致使准确率不足.针对上述问题,该文提出基于聚类集成和预测集成的双集成光伏功率预测方法,以异质集成的方式提升了气象分类和功率预测的精度.首先,基于重标记法和投影法,构建了融合Kmeans?高斯混合模型(gaussian mixture model , GMM) ?AGNES(agglomerative nesting)和BIRCH(balanced iterative reducing and clustering using hierarchies)4 种异质算法的聚类集成框架,并依据滑动时间窗口筛选离群日,建立典型气象模型.其次,基于Stacking 集成学习框架,在采用k 折交叉验证法规避过拟合的基础上,构建由门控循环单元(gated recurrent unit,GRU)?随机森林(random forest,RF)?XGBoost 和LightGBM 组成的预测集成模型,深度挖掘光伏数据的潜在规律.最后以澳大利亚某光伏电站为例进行仿真,结果表明双集成功率预测的准确性比传统模型有较大提升,证明了聚类集成和预测集成的有效性.

关键词：光伏功率预测、聚类集成、异质集成、Stacking、k折交叉验证法

所属期刊栏目：47

分类号：TM721(输配电工程、电力网及电力系统)

资助基金：国家自然科学基金;广西自然科学基金项目

在线出版日期：2023-02-13（万方平台首次上网日期，不代表论文的发表时间）

页数：共10页

页码：275-283,中插62