10.16381/j.cnki.issn1003-207x.2015.03.014
基于相似日聚类和贝叶斯神经网络的光伏发电功率预测研究
光伏发电功率的预测是光伏发电规划和运行的基础,因而受到越来越多的重视.文中提出了FCM相似日聚类与智能算法相结合的光伏阵列功率短期预测模型.该方法的思路是首先通过分析影响光伏阵列输出功率的主要因素,对历史数据与预测日气象环境进行模糊分类,并筛选出相似度高的子集作为样本,以提高预测样本的质量;然后通过神经网络映射出特征空间与光伏功率之间的复杂关系,并用贝叶斯理论对神经网络参数进行优化,提高网络的泛化能力.为检验该方法的有效性和精确性,将所提出方法与常用BP神经网络模型对同一仿真算例进行预测,预测结果表明本文提出的预测模型效果更佳.
光伏阵列、功率预测、相似日、模糊C均值聚类、贝叶斯神经网络
23
C931(管理学)
国家自然科学基金资助项目71071052;中央高校基本科研业务费专项资金项目12QX23
2015-04-28(万方平台首次上网日期,不代表论文的发表时间)
118-122